libsvm中有进行参数调优的工具grid.py和easy.py可以使用，这些工具可以帮助我们选择更好的参数，减少自己参数选优带来的烦扰。
所需工具：libsvm、gnuplot
本机环境：Windows7(64 bit) ,Python3.5
1、相关程序的下载和安装：
1.1、下载libsvm，我用的是libsvm-3.18.zip，下载后直接解压到任意位置，我解压到C:libsvm-3.18下。
1.2、下载python，我下的是python-3.5.msi，双击该文件安装到默认位置，我安装到C:UsersAdministratorAppDataLocalProgramsPythonPython35下。将该路径添加到系统环境变量中。
1.3、下载gunplot，我下的是gp460-win32-setup.exe，双击该文件安装到默认位置，我安装到C:Program Filesgnuplot下。
2、grid.py使用
文件grid.py是对C-SVC的参数c和γ(gamma)做优选的，原理也是网络遍历，假设我们要对目录C:libsvm-3.18 ool下的样本文件heart_scale做优选，其具体用法为：
第一步：打开C:libsvm-3.18下的tools文件夹，找到grid.py文件。用python打开（不能双击，而要右键选择“Edit with IDLE” 或者先打开IDLE，再添加进去），修改self.svmtrain_pathname和self.gnuplot_pathname的路径。
（修改文件时要注意，要修改else下的self.svmtrain_pathname和self.gnuplot_pathname，而不是if not is win32）
第二步：运行cmd，进入dos环境，定位到C:libsvm-3.18 ools文件夹，这里是放置grid.py的地方。
第三步：输入以下命令：
python grid.py heart_scale
你就会看到dos窗口飞速乱串的[local]数据，以及一个gnuplot的动态绘图窗口。大约过10秒钟，就会停止。Dos窗口中的[local]数据是局部最优值，这个不用管，直接看最后一行：
2048.0 0.0001220703125 84.0741
其意义表示：C=2048.0;γ=0.0001220703125;交叉验证精度CV Rate=84.0741%，这就是最优结果。
第四步：打开目录C:libsvm-3.18 ools，我们可以看到新生成了两个文件：heart_scale.out和heart_scale.png，第一个文件就是搜索过程中的[local]和最优数据，第二个文件就是gnuplot图像。
现在，grid.py已经运行完了，你可以把最优参数输入到svm-train中进行训练了。
3、easy.py使用方法
文件easy.py对样本文件做了“一条龙服务”，从参数优选，到文件预测。因此，其对grid.py、svm-train、svm-scale和svm-predict都进行了调用（当然还有必须的python和gnuplot）。因此，运行easy.py需要保证这些文件的路径都要正确。还需要样本文件和预测文件，这里样本文件还是用heart_scale，预测文件我们赋值一份然后改名heart_test，下面说说使用方法：
第一步：打开easy.py，修改#example for windows下的几个路径：
第二步：运行cmd，进行dos环境，定位到防止easy.py的目录C:libsvm-3.18 ools
第三步：输入命令：
python easy.py heart_scale heart_test
就会看到一个gnuplot的动态绘图窗口。大约20s以后停止，dos窗口显示为：
Scaling training data… Cross validation… Best c=2048.0, g=0.0001220703125 CVrate=84.0741 Training… Output model: heart_scale.model Scaling testing data… Testing… Accuracy = 85.1852% (230/270) (classification) Output prediction: heart_test.predict
这就是最终预测结果，可以看到第三行就是调用grid.py的结果。在C:libsvm-3.18 ools下你会看到又多了7个文件，都是以前我们碰到的过程文件，都可以用记事本打开。