Matlab中的SVM硬边距和软边距

Question

我正在使用fitcsvm函数比较matlab中几个SVM模型的性能， 我想再次检查我使用的是正确的语法 用于坚硬的软胶和内核： 硬保证金的语法应如下所示，其中硬保证金成本的超参数（boxConstraint）应该是无限的

%Hard Margin
SVMModel = fitcsvm(x_train,y_train,'BoxConstraint',Inf);

例如，在调整软边距的同时，应调整boxConstraint（这是软边界所需的唯一超参数），并为其指定适当的值，例如

 %soft Margin
    SVMModel = fitcsvm(x_train,y_train,'BoxConstraint', 7);

或保留为默认值（框约束为1）

SVMModel = fitcsvm(x_train,y_train);

对于内核模型，例如RBF，应该同时调整和使用boxconstrains和KernelScale（gamma）

    SVMModel = fitcsvm(x_train,y_train, KernelFunction, 'RBF',...
'BoxConstraint', 7,'KernelScale', '0.3');

假设所有超参数均已调整，那么在Matlab中具有硬，软和内核模型的先前语法是否正确？

此外，在对模型进行交叉验证的情况下，如何在对SVM模型进行交叉验证的同时获得最佳超参数？还是选择hyperparamters步骤应该在交叉验证模型之前？