Java 如何计算libsvm中的最优C/Gamma参数？

我使用的是具有大量特征/属性的数据集的多类分类（每个项目大约5800个）。我想为C和Gamma选择比我目前使用的默认值更好的参数

我已经试过运行easy.py，但是对于我正在使用的数据集，估计的时间几乎是永远的（在20、50、100和200个数据样本中运行easy.py，得到了一个超线性回归，它预测了我需要几年的运行时间）

---

有没有办法比默认值更快地获得更好的C和Gamma值？如果有什么不同的话，我正在使用Java库。

不需要网格搜索就可以实现这一点，我相信，

easy.py

就是这样做的

请看Trevor Hastine等人的这篇论文：（PDF）。一次“SVM运行”将计算所有“C”值的损失，这样您就可以看到它如何影响SVM性能

他们有这个算法的一个实现，你可以在包中使用它

我相信该算法的核心是用fortran编写的，但它是用R编写的