SVC(C=1.0,cache_size=200,class_weight=None,coef0=0.0,decision_function_shape='ovr',degree=3,gamma='auto',kernel='rbf',max_iter=-1,probability=False,random_state=None,shrinking=True,tol=0.001,verbose=False)
参数：
C：惩罚参数，默认为1.0。
C越大，对误分类的惩罚增大，泛化能力弱。C越小，对误分类的惩罚减小，泛化能力强。
cache_size：核函数缓存大小，默认为200（MB）。
class_weight：每个类所占的权重，不同的类设置不同的惩罚参数C, 默认为缺省（自适应）。
coef0：核函数的常数项，当核函数为poly和sigmoid可用，默认为0.0。
decision_function_shape：处理多分类问题，一对一用ovo，一对多用ovr，默认为ovr。
degree：核函数的维度，当核函数为poly 可用，默认为3。
gamma：核函数的参数，当核函数为rbf、poly和sigmoid可用，默认为auto，自动设置为1/n_features（分类数）。
gamma越大，支持向量越少。gamma值越小，支持向量越多。
kernel：核函数，可选linear、poly、rbf、sigmoid、precomputed，默认为rbf。
max_iter：最大迭代次数，默认为-1（无限制）。
probability：是否采用概率估计，默认为False。
random_state：数据随机洗牌时的种子值，默认为缺省（使用np.random）。
shrinking：是否采用神秘方法（我是不懂-_-），默认为true。
tol：停止训练的容许度，默认为0.001。
verbose：允许详细输出，多线程不建议开启，默认为False。
主要调整的参数有：C、gamma和kernel。