TypeError: estimator should be an estimator implementing 'fit' method, <module 'sklearn.svm' from 'D:\\Fosu\\Anaconda\\Anaconda3\\lib\\site-packages\\sklearn\\svm\\__init__.py'> was passed

这个错误通常是因为你传递给 `GridSearchCV` 的 `estimator` 参数不是一个有效的模型对象。`estimator` 参数需要是一个实现了 `fit` 方法的模型对象，但是你传递给它的是 `sklearn.svm` 模块，这是一个包含多个 SVM 模型的模块，而不是一个有效的模型对象。

要解决这个问题，你需要选择一个具体的 SVM 模型，并将其作为 `estimator` 参数传递给 `GridSearchCV`。例如，你可以使用 `SVC` 类来创建一个 SVM 分类器：

from sklearn.svm import SVC
from sklearn.model_selection import GridSearchCV

# 创建一个 SVM 分类器
svm = SVC()

# 定义要调整的参数范围
param_grid = {'C': [0.1, 1, 10], 'kernel': ['linear', 'rbf']}

# 使用 GridSearchCV 进行超参数调整
grid_search = GridSearchCV(svm, param_grid, cv=5)
grid_search.fit(X, y)

在这个示例中，我们使用 `SVC` 类创建一个 SVM 分类器，并将其作为 `estimator` 参数传递给 `GridSearchCV`。我们还定义了要调整的超参数范围，并将其作为 `param_grid` 参数传递给 `GridSearchCV`。最后，我们使用 `fit` 方法来拟合模型并执行超参数调整。