1、SVM有两种作用：分类和回归，分类是用SVC，回归用SVR。
2、SVC：（中文官网）
重点在svm.SVC()，fit(X,Y)，以及SVC中的参数。
3、SVC参数：
①C，C是控制软间隔中的松弛变量是否起作用，C越大表明越宽松，对松弛变量更容忍，C越小越严格，等于0时表示不允许有数据在支持向量之间。
②kernel，核函数，kernel='rbf'表示高斯核函数（也就是径向基），kernel=‘linear'表示线性。
③gamma，只有kernel='rbf’时才有这个，gamma控制kernel的泛化能力，若gamma越小则决策边界越精简，泛化能力越强。gamma值越大表示决策边界越复杂，则泛化能力越弱。如下图所示。