svc是做二分类使用
svr是做回归预测使用
sklearn.svc( C=1.0, kernel='rbf', degree=3, gamma='scale', 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', break_ties=False, random_state=None)
参数说明:
C:惩罚系数。即模型对误差的容忍度,C越小,则允许存在较大误差,但容易欠拟合;C越大,对误差容许度越小,容易过拟合;若不设置,默认值为1。
kernel:核函数。有‘linear’, ‘poly’, ‘rbf’, ‘sigmoid’, ‘precomputed’五种核函数。
linear:线性核函数,是在数据线性可分的情况下使用的,运算速度快,效果好。不足在于它 不能处理线性不可分的数据.
poly:多项式核函数,多项式核函数可以将数据从低维空间映射到高维空间&#