SVC()的参数有哪些

SVC()是scikit-learn中的一个支持向量机算法模型，它的参数包括：

- C：正则化参数，控制间隔边界的平衡，默认值为1.0。
- kernel：核函数类型，常见的有‘linear’（线性核函数）、‘rbf’（径向基函数）、‘poly’（多项式核函数）等，默认值为‘rbf’。
- degree：多项式核函数的次数，只有kernel为‘poly’时才有效，默认值为3。
- gamma：核函数系数，只有kernel为‘rbf’、‘poly’、‘sigmoid’时才有效，通常使用默认值‘auto’，即gamma=1/n_features。
- coef0：核函数中的常数项，只有kernel为‘poly’、‘sigmoid’时才有效，默认值为0.0。
- shrinking：是否使用启发式方法来加速训练，默认为True。
- probability：是否启用概率估计，默认为False，如果启用会增加训练时间。
- tol：训练终止的容忍度，默认为1e-3。
- cache_size：缓存大小，默认为200MB。
- class_weight：类别权重，用于处理不平衡的训练数据，默认为None，也可以设置为‘balanced’。
- max_iter：最大迭代次数，默认为-1，表示没有限制。
- decision_function_shape：用于多分类问题时指定决策函数的形状，默认为‘ovr’（一对多）或‘ovo’（一对一）。
- random_state：随机种子，用于控制随机性。