用scikit－learn 训练SVM的例子, clf.fit() clf.predict() 的作用

 import numpy as np
 X = np.array([[-1, -1], [-2, -1], [1, 1], [2, 1]]) ＃数据特征
 y = np.array([1, 1, 2, 2])  ＃ 数据对应的标签
 from sklearn.svm import SVC  ＃ 导入svm的svc类（支持向量分类）
 clf = SVC()  ＃ 创建分类器对象
 clf.fit(X, y)  ＃ 用训练数据拟合分类器模型
 SVC(C=1.0, cache_size=200, class_weight=None, coef0=0.0,
    decision_function_shape=None, degree=3, gamma='auto', kernel='rbf',
    max_iter=-1, probability=False, random_state=None, shrinking=True,
    tol=0.001, verbose=False)
 clf.predict([[-0.8, -1]])  ＃ 用训练好的分类器去预测[-0.8, -1]数据的标签[1]