sklearn.svm.SVC引數說明
摘自：https://blog.csdn.net/szlcw1/article/details/52336824
本身這個函式也是基於libsvm實現的，所以在引數設定上有很多相似的地方。（PS: libsvm中的二次規劃問題的解決演算法是SMO）。
sklearn.svm.SVC(C=1.0, kernel='rbf', degree=3, gamma='auto', coef0=0.0, shrinking=True, probability=False,
tol=0.001, cache_size=200, class_weight=None, verbose=False, max_iter=-1, decision_function_shape=None,random_state=None)
引數：
l C：C-SVC的懲罰引數C?預設值是1.0
C越大，相當於懲罰鬆弛變數，希望鬆弛變數接近0，即對誤分類的懲罰增大，趨向於對訓練集全分對的情況，這樣對訓練集測試時準確率很高，但泛化能力弱。C值小，對誤分類的懲罰減小，允許容錯，將他們當成噪聲點，泛化能力較強。
l kernel ：核函式，預設是rbf，可以是‘linear’, ‘poly’, ‘rbf’, ‘sigmoid’, ‘precomputed’
0 – 線性：u'v
1 – 多項式：(gamma*u'*v + coef0)^degree
2 – RBF函式：exp(-gamma|u-v|^2)
3 –sigmoid：tanh(gamma*u'*v + coef0)
l degree ：多項式poly函式的維度，預設是3，選擇其他核函式時會被忽略。
l gamma ： ‘rbf’,‘poly’ 和‘sigmoid’的核函式引數。預設是’auto’，則會選擇1/n_features
l coef0 ：核函式的常數項。對於‘poly’和 ‘sigmoid’有用。
l probability ：是否採用概率估計？.預設為False
l shrinking ：是否採用shrinking heuristic方法，預設為true
l tol ：停止訓練的誤差值大小，預設為1e-3
l cache_size ：核函式cache快取大小，預設為200
l class_weight ：類別的權重，字典形式傳遞。設定第幾類的引數C為weight*C(C-SVC中的C)
l verbose ：允許冗餘輸出？
l max_iter ：最大迭代次數。-1為無限制。
l decision_function_shape ：‘ovo’, ‘ovr’ or None, default=None3
l random_state ：資料洗牌時的種子值，int值
主要調節的引數有：C、kernel、degree、gamma、coef0。