$svm = new SVM();
$cross = $svm->crossvalidate("/svmScaled.data" , 5); // 5 摺交叉驗證
var_dump($cross); //
(PECL svm >= 0.1.0)
SVM::crossvalidate — 在訓練資料的子集上測試訓練參數
交叉驗證可用於測試目前參數集在訓練資料子集上的有效性。給定一個問題集和 n 個「摺疊」，它將問題集分成 n 個子集，然後重複在一個子集上訓練並在另一個子集上測試。雖然準確度通常會低於在整個資料集上訓練的 SVM，但返回的準確度分數應該相對有用，因此它可以用於測試不同的訓練參數。
problem（問題集）問題數據。可以是陣列形式、SVMLight 格式檔案的 URL，或是已開啟 SVMLight 格式資料來源的串流。
摺疊數 (number_of_folds)數據應分割及交叉測試的組數。數字越高表示訓練集越小，可靠性越低。 5 是一個不錯的起始值。
正確百分比，以 0-1 之間的浮點數表示。如果是 NU_SVC 或 EPSILON_SVR 核心，則會改為返回均方誤差。
$svm = new SVM();
$cross = $svm->crossvalidate("/svmScaled.data" , 5); // 5 摺交叉驗證
var_dump($cross); //