svm-train可执行文件具有参数e，该参数允许设置一些epsilon。描述只说
设置终止标准的公差（默认为0.001）
我没有足够的信息量，也无法在互联网上找到相关的解释。也许，这是一些众所周知的通用SVM参数，但是我对通用SVM不够熟悉。
我的意思是用于分类的epsilon，而不是用于回归的epsilon（“在epsilon-SVR的损失函数中”），并使用选项libsvm指定给-p。
最佳答案
使用数值优化解决了SVM的解决方案。解算器是迭代的，并且有可能永远重复迭代，直到您遇到的误差恰好为零-找到问题的精确解决方案（由于浮点舍入误差，这种情况永远不会发生）。在这种情况下，epsilon是在我们停止运行求解器迭代之前，解决方案需要接近零的公差。 0.001通常是一个很好的值。较小的值将花费较长的训练时间（需要更多的迭代），但由于解决方案足够接近以开始，因此不太可能导致较低的错误率。 0.01也很常见，训练所需的时间更少（迭代次数更少），但有时测试数据的错误率更高，而更精确的解决方案则更高。
关于machine-learning - libsvm中的`eps`是什么？，我们在Stack Overflow上找到一个类似的问题：https://stackoverflow.com/questions/38996696/