sklearn.svm.SVC
①kernel
linear：线性核
poly：多项式核
sigmoid：双曲正切核
rbf：高斯径向基
对于线性核函数，kernel是唯一能够影响它的参数，但是对于其他三种非线性核函数，它们还受到参数gamma，degree及coef0的影响。高斯径向基核函数受到gamma的影响，而多项式核函数收到全部三个参数的影响
②C
在实际使用中，C和核函数的相关参数（gamma，degree等）相搭配，往往是SVM调参的重点。与gamma不同，C没有在对偶函数中出现，并且是明确了调参目标的，所以我们可以明确我们研究是否需要训练集上的高精确度来调整C的方向。默认情况下C为1，通常来说这都是一个合理的参数。如果数据很嘈杂，往往减小C
我们可以使用网格搜索或者学习曲线来调整C的值
③class_weight
可输入字典或者“balanced”，可不填
④sample_weight
数组，结构为n_samples，必须对应输入fit中的特征矩阵的每个样本
⑤random_state
不常用，这个参数受到probability参数的影响，仅在生成高概率估计的时候才会生效。在概率估计时，SVC使用随机数生成器来混合数据，如果概率设置为False，则random_state对结果没有影响。如果不实现概率估计，SVM中不存在有随机性的过程