sklearn.svm.SVC中kernel參數說明
常用核函數
線性核函數kernel=‘linear’
採用線性核kernel='linear’的效果和使用sklearn.svm.LinearSVC實現的效果一樣，但採用線性核時速度較慢，特別是對於大數據集，推薦使用線性核時使用LinearSVC
多項式核函數kernel=‘poly’
degree代表d，表示多項式的次數
gamma爲多項式的係數，coef0代表r，表示多項式的偏置
注：coef0是sklearn.svm.SVC中的參數，詳情點擊SVC參數說明
徑向基核函數kernel=‘rbf’
可以將gamma理解爲支持向量影響區域半徑的倒數，gamma越大，支持向量影響區域越小，決策邊界傾向於只包含支持向量，模型複雜度高，容易過擬合；gamma越小，支持向量影響區域越大，決策邊界傾向於光滑，模型複雜度低，容易欠擬合；
gamma的取值非常重要，即不能過小，也不能過大
sigmod核函數kernel=‘sigmod’
coef0控制r,sigmod核函數是線性核函數經過tanh函數映射變化
