寫在前面的話：本人剛剛學sklearn，很多引數也不是很懂，英語又比較low，只能求助google翻譯，若有不對的地方，請大佬指出來。

Sklearn.svm.SVC引數設定

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=’ovr’,random_state=None

C: float,optional(default=1.0)

錯誤項的懲罰引數C

Kernel:string,optional(default=’rbf’)

指定要在演算法中使用的核心型別。 它必須是'linear'，'poly'，'rbf'，'sigmoid'，'precomputed'或者callable之一。 如果沒有給出，將使用'rbf'。 如果給出可呼叫，則它用於從資料矩陣預先計算核心矩陣; 該矩陣應該是一個形狀陣列（n_samples，n_samples）。

degree: int,option(default=3)

多項式核函式的次數（'poly'）。 被所有其他核心忽略。

gamma: float,optional(default:’auto’)

'rbf'，'poly'和'sigmoid'的核係數。 如果gamma是'auto'，那麼將使用1 / n_features。

coef0:float,option(default:0.0)

核函式中的獨立項。 它只在'poly'和'sigmoid'中很重要。

probability : boolean, optional (default=False)

是否啟用概率估計。 必須在呼叫fit之前啟用它，並且會減慢該方法的速度。

shrinking : boolean, optional (default=True)

是否使用收縮啟發式。

tol : float, optional (default=1e-3)

公差停止標準

cache_size : float, optional

指定核心快取的大小（以MB為單位）。

class_weight : {dict, ‘balanced’}, optional

將類i的引數C設定為SVC的class_weight [i] * C. 如果沒有給出，所有類都應該有一個重量。 “平衡”模式使用y的值自動調整與輸入資料中的類頻率成反比的權重，如n_samples /（n_classes * np.bincount（y））

verbose : bool, default: False

啟用詳細輸出。 請注意，此設定利用libsvm中的每程序執行時設定，如果啟用，則可能無法在多執行緒上下文中正常執行。

max_iter : int, optional (default=-1)

求解器內迭代的硬限制，或無限制的-1。

decision_function_shape : ‘ovo’, ‘ovr’, default=’ovr’

是否將形狀（n_samples，n_classes）的one-rest-rest（'ovr'）決策函式作為所有其他分類器返回，或者返回具有形狀的libsvm的原始one-vs-one（'ovo'）決策函式（n_samples） ，n_classes *（n_classes - 1）/ 2）。

random_state : int, RandomState instance or None, optional (default=None)

在隨機資料混洗時使用的偽隨機數生成器的種子。 如果是int，則random_state是隨機數生成器使用的種子; 如果是RandomState例項，則random_state是隨機數生成器; 如果為None，則隨機數生成器是np.random使用的RandomState例項。