from:https://blog.csdn.net/tao1107291820/article/details/51581322
在libsvm的使用中，为了得到更好的c、gama参数，可以通过多次使用libsvm中的svm_cross_validation函数进行参数寻优，下面是svm_cross_validation的一种使用方法：
svm_problem的定义：
struct svm_problem
{
int l;
double *y;
struct svm_node **x;
};
1.首先明白svm_cross_validation函数的输入与输出，
输入：prob,param,nr_fold。
prob是将所有样本的特征和类别按照libsvm要求的格式转换成 svm_problem结构体数组, prob的长度要求能够被nr_fold整除
param是分类器训练参数
nr_fold是交叉验证的折数
输出：target
target是一个double类型的数组，长度为prob.l，存储的是对prob中各个样本的识别结果，将target与存储类别的数组prob.y进行比较可以得到此次交叉验证的识别准确率。
函数大概运行步骤：
如果做5折交叉验证，svm_cross_validation函数会建立一个索引数组perm，然后把数组perm当作索引访问prob达到打乱prob的效果，再将prob分成5份，4份用于训练，剩下一份测试，target存储测试结果，这样分5次后，target就保存了对prob中所有元素的测试结果，并且存储顺序和prob中样本的排列是一样的。将target与prob.y依次对比就得到此次交叉验证的识别准确率。
demo: https://download.csdn.net/download/liushuai_123/7378795