为什么设置tune.svm设置不同的参数，它每次计算的最优值都不一样呢，而且最优值下面有一个best performance，是根据这个值选那两个参数吗？下面是我运行的，红色的是不同的部分。
> cqsl_tunesvm <- tune.svm(cqsl.scale,cqsl[,21],gamma = 2^(-1:1), cost = 2^(2:4))
> cqsl_tunesvm

Parameter tuning of ‘svm’:

- sampling method: 10-fold cross validation

- best parameters:
gamma cost
   0.5    8

- best performance: 0.01402403

> cqsl_tunesvm <- tune.svm(cqsl.scale,cqsl[,21],gamma = 2^(-2:2), cost = 2^(2:8))
> cqsl_tunesvm

Parameter tuning of ‘svm’:

- sampling method: 10-fold cross validation

- best parameters:
gamma cost
  0.25    4

- best performance: 0.01143376

> cqsl_tunesvm <- tune.svm(cqsl.scale,cqsl[,21],gamma = 2^(-5:2), cost = 2^(2:8))
> cqsl_tunesvm

Parameter tuning of ‘svm’:

- sampling method: 10-fold cross validation

- best parameters:
   gamma cost
0.03125   16

- best performance: 0.007504326

> cqsl_tunesvm <- tune.svm(cqsl.scale,cqsl[,21],gamma = 2^(-6:6), cost = 2^(2:8))
> cqsl_tunesvm

Parameter tuning of ‘svm’:

- sampling method: 10-fold cross validation

- best parameters:
    gamma cost
0.015625   32

- best performance: 0.007092799

每次使用交叉验证时，划分的数据集是不一样的，因而训练出来的模型也是不一样的，如果要让每次都是同一个结果，需要在交叉验证前设置set.seed()，这样每次运行都能是同一个结果。

thank you!