SVM : 支持向量机
sklearn 中支持向量机函数主要有两类函数：
- 回归：
SVC,NuSVC,LinearSVC - 分类：
SVR,NuSVR,LinearSVR
以SVC原型说明:1
class sklearn.svm.SVC(C=1.0, kernel='rbf', degree=3, gamma='auto', 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', random_state=None)
C：代表SVM中经验项的重要性，在正则项与经验项中权衡。C越大，越可能过拟合，C越小，越可能欠拟合。
kernel：代表使用的核函数。常用的有：linear,rbf(高斯核),poly,sigmoid,自定义函数。
class_weight：数组形式，将第i个class的类的C替换为C * class_weight[i]，提高某个类别的重要性。
sample_weight:类似class_weight,提升某个样本的重要性。class_weight与sample_weight用来解决不平衡问题。
decision_function_shape:ovr，ovo用来解决多分类问题。