svm.SVC()的参数

svm.SVC()是支持向量机（SVM）的分类器，它的参数如下：

- C：正则化参数，它控制了决策边界的平滑程度。C值越小，决策边界越平滑；C值越大，决策边界越复杂。默认值为1.0。

- kernel：核函数，用于将数据映射到高维空间中。常用的核函数有“linear”（线性核函数）、“rbf”（径向基函数）和“poly”（多项式核函数）。默认值为“rbf”。

- degree：多项式核函数的阶数，仅当kernel为“poly”时才有用。默认值为3。

- gamma：核函数系数，仅当kernel为“rbf”、“poly”或“sigmoid”时才有用。gamma越大，决策边界越复杂；gamma越小，决策边界越平滑。默认值为“scale”，即1 / (n_features * X.var())。

- coef0：核函数常数项，仅当kernel为“poly”或“sigmoid”时才有用。默认值为0.0。

- shrinking：是否使用收缩启发式。默认值为True。

- probability：是否启用概率估计。默认值为False。

- tol：停止训练的容忍度。默认值为1e-3。

- cache_size：核函数缓存大小。默认值为200。

- class_weight：类别权重，用于处理不平衡的数据集。默认值为None。

- verbose：是否启用详细输出。默认值为False。

- max_iter：最大迭代次数。默认值为-1，表示没有限制。

更多信息可以参考官方文档：https://scikit-learn.org/stable/modules/generated/sklearn.svm.SVC.html。