svc和网格搜索调参数代码

下面是使用SVC和网格搜索调参的示例代码：

from sklearn.svm import SVC
from sklearn.model_selection import GridSearchCV
from sklearn.datasets import load_iris
from sklearn.model_selection import train_test_split

# 加载数据集
iris = load_iris()
X_train, X_test, y_train, y_test = train_test_split(iris.data, iris.target, test_size=0.3, random_state=0)

# 定义模型
svc = SVC()

# 定义参数范围
param_grid = {'C': [0.1, 1, 10], 'kernel': ['linear', 'rbf'], 'gamma': [0.1, 1, 10]}

# 网格搜索
grid_search = GridSearchCV(svc, param_grid, cv=5)
grid_search.fit(X_train, y_train)

# 输出最优参数和得分
print('Best parameters: ', grid_search.best_params_)
print('Best score: ', grid_search.best_score_)
print('Test set score: ', grid_search.score(X_test, y_test))

在上面的代码中，我们使用了`SVC`模型，定义了参数范围`param_grid`，然后使用`GridSearchCV`进行网格搜索，最后输出了最优参数和得分。可以根据实际情况修改参数范围和模型类型。