sklearn中svm，svm主要有linearsvc、nusvc和svc三種方法。
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)
penalty:正則化引數，l1和l2兩種引數可選，僅linearsvc有。
loss:損失函式，有『hinge』和『squared_hinge』兩種可選，前者又稱l1損失，後者稱為l2損失，預設是是』squared_hinge』，其中hinge是svm的標準損失，squared_hinge是hinge的平方。
dual:是否轉化為對偶問題求解，預設是true。
tol:殘差收斂條件，預設是0.0001，與lr中的一致。c:懲罰係數，用來控制損失函式的懲罰係數，類似於lr中的正則化係數。
multi_class:負責多分類問題中分類策略制定，有『ovr』和『crammer_singer』 兩種引數值可選，預設值是』ovr』，'ovr'的分類原則是將待分類中的某一類當作正類，其他全部歸為負類，通過這樣求取得到每個類別作為正類時的正確率，取正確率最高的那個類別為正類；『crammer_singer』 是直接針對目標函式設定多個引數值，最後進行優化，得到不同類別的引數值大小。
fit_intercept:是否計算截距，與lr模型中的意思一致。
class_weight:與其他模型中引數含義一樣，也是用來處理不平衡樣本資料的，可以直接以字典的形式指定不同類別的權重，也可以使用balanced引數值。
verbose:是否冗餘，預設是false。
random_state:隨機種子的大小。
max_iter:最大迭代次數，預設是1000。
coef_:各特徵的係數（重要性）。
intercept_:截距的大小（常數值）。
nusvc(nu=0.5, kernel='rbf', degree=3, gamma='auto', coef0=0.0, shrinking=true, probability=false,
tol=0.001, cache_size=200, class_weight=none, verbose=false, max_iter=-1, decision_function_shape='ovr',
random_state=none))
nu:訓練誤差部分的上限和支援向量部分的下限，取值在（0，1）之間，預設是0.5
kernel:核函式，核函式是用來將非線性問題轉化為線性問題的一種方法，預設是「rbf」核函式
degree:當核函式是多項式核函式的時候，用來控制函式的最高次數。（多項式核函式是將低維的輸入空間對映到高維的特徵空間）
gamma:核函式係數，預設是「auto」，即特徵維度的倒數。
coef0:核函式常數值(y=kx+b中的b值)，只有『poly』和『sigmoid』核函式有，預設值是0。
max_iter:最大迭代次數，預設值是-1，即沒有限制。
probability:是否使用概率估計，預設是false。
cache_size:緩衝大小，用來限制計算量大小，預設是200m。
decision_function_shape:與'multi_class'引數含義類似。
support_:以陣列的形式返回支援向量的索引。
support_vectors_:返回支援向量。n_support_:每個類別支援向量的個數。
dual_coef_:支援向量係數。
coef_:每個特徵係數（重要性），只有核函式是linearsvc的時候可用。
intercept_:截距值（常數值）。
svc(c=1.0, kernel='rbf', degree=3, gamma='auto', coef0=0.0, shrinking=true, probability=false, tol=0.001,
cache_size=200, class_weight=none, verbose=false, max_iter=-1, decision_function_shape='ovr', random_state=none)
c:懲罰係數。
svc和nusvc方法基本一致，唯一區別就是損失函式的度量方式不同（nusvc中的nu引數和svc中的c引數）。
三種分類方法的方法基本一致
decision_function(x):獲取資料集x到分離超平面的距離。
fit(x, y):在資料集(x,y)上使用svm模型。
get_params([deep]):獲取模型的引數。
predict(x):**資料值x的標籤。
score(x,y):返回給定測試集和對應標籤的平均準確率。
常用的核函式有以下幾種：表示
解釋linear
線性核函式
poly
多項式核函式
rbf高斯核函式
sigmod
sigmod核函式
precomputed
自定義核函式
Cache control引數說明
header中的cache control引數說明 php編碼 網頁的快取是由http訊息頭中的 cache control 來控制的，常見的取值有private no cache max age must revalidate等，預設為private。其作用根據不同的重新瀏覽方式分為以下幾種情況 ...
nmap引數說明
目標規範 可以通過主機名，ip位址，網路等 例 scanme.nmap.org,dream4.org 24,192.168.0.1 10.0.0 255.1 254 il 從指定檔案獲取主機或網路 ir 隨機選擇主機，0 不限制掃瞄主機數 exclude 排除指定主機或網路 excludefile ...
toString引數說明
格式化數值 有時，我們可能需要將數值以一定的格式來呈現，就需要對數值進行格式化。我們使用格式字串指定格式。格式字串採用以下形式 axx，其中 a 為格式說明符，指定格式化型別，xx 為精度說明符，控制格式化輸出的有效位數或小數字數。格式說明符 說明 示例 輸出 c 貨幣 2.5.tostring c...