python支持向量运算吗,如何正确计算支持向量机的最优C和gamma？

我正在尝试计算我的支持向量机的最佳C和Gamma。在尝试运行脚本时，出现以下错误：

ValueError: Invalid parameter max_features for estimator SVC. Check the list of available parameters with估算器.get_params().keys().

我通过了the docs来理解n_estimators的实际含义，这样我就知道应该在那里填充什么值。但我不太清楚。有人能告诉我这个值应该是多少，这样我就可以运行我的脚本来找到最佳的C和gamma吗？在

我的代码：if __name__=='__main__':

fname = "/home/John/labels.csv"

labels = pd.read_csv(fname, header=None).as_matrix()[:, 1]

labels = map(itemgetter(1),

map(os.path.split,

map(os.path.dirname, labels)))

fname = "/home/John/reps.csv"

embeddings = pd.read_csv(fname, header=None).as_matrix()

le = LabelEncoder().fit(labels)

labelsNum = le.transform(labels)

nClasses = len(le.classes_)

svcClassifier = SVC(kernel='rbf', probability=True, C=10, gamma=10)

#classifier = OneVsRestClassifier(svcClassifier).fit(embeddings, labelsNum)

param_grid = {

'n_estimators': [200, 700],

'max_features': ['auto', 'sqrt', 'log2']

}

CV_rfc = GridSearchCV(estimator=svcClassifier, param_grid=param_grid, cv= 5)

CV_rfc.fit(embeddings, labelsNum)

print CV_rfc.best_params_

在尝试之后，我发现在我的例子中，C=10和{}给出了最好的结果。但是我想用这个函数来找出最佳值。在