https://scikit-learn.org/stable/modules/generated/sklearn.svm.LinearSVC.html#sklearn.svm.LinearSVC
1.类定义
class sklearn.svm.LinearSVC(penalty=’l2’, loss=’squared_hinge’, dual=True, tol=0.0001, C=1.0, multi_class=’ovr’, fit_intercept=True, intercept_scaling=1, class_weight=None, verbose=0, random_state=None, max_iter=1000)
这样会建立一个类，而且类中除了目前建立时的参数还有方法。html
1.1类的方法
1.2类的属性
2.定义参数说明
| penalty | string, ‘l1’ or ‘l2’ (default=’l2’) | 指明在惩罚中使用的范数。 |
| loss | string, ‘hinge’ or ‘squared_hinge’ default=’squared_hinge’) | 指明损失函数，hinge时SVM中标准损失函数 |
| dual | bool, (default=True) | 选择要解决对偶优化问题仍是原始优化问题的算法。当样本数>特征数时最好=False |
| tol | 可选 float, optional (default=1e-4) | Tolerance for stopping criteria. |
| C | 可选float, optional (default=1.0) | 错误项的惩罚参数C。 |
| multi_class | string, ‘ovr’ or ‘crammer_singer’ default=’ovr’) | ovr训练n个一对多分类器，cram优化全部类别的联合目标（不多选择，代价过高） |
| fit_intercept | 可选boolean, optional (default=True) | 是否计算截距，若是是False，那么不计算（好比数据已经中心化） |
| intercept_scaling | 可选 float, optional (default=1) | 在使用fit_intercept后使用 |
| max_iter | int, (default=1000) | 要运行的最大迭代次数 |
3.算法