sklearn—支持向量機

SVC介紹:

　　

擬合出來的模型爲一個超平面
解決與樣本維數無關，適合作文本分類
解決小樣本、非線性、高維
是用於分類、迴歸、孤立點檢測的監督學習方法的集合。
優勢：
有效的高維空間
維數大於樣本數的時候仍然有效
在決策函數中使用訓練函數的子集
通用（支持不一樣的內核函數：線性、多項式、 s 型等）
缺點：
不適用於特徵數遠大於樣本數的狀況
不直接提供機率估計
接受稠密和稀疏的輸入