sklearn：SVM

from sklearn import svm

一、SVM分类

（1）模型参数初始化

clf = svm.SVC(C=0.6, kernel='linear', degree=3, gamma='auto', coef0=0.0, shrinking=True, probability=False,              tol=0.01, cache_size=200, class_weight=None, verbose=False, max_iter=-1, decision_function_shape=None,              random_state=None)
（2）训练：train,target为训练集

clf.fit(train, target)

（3）预测：test为测试集中的X,来预测y

result = clf.predict(test)

overall_accuracy = metrics.accuracy_score(act, result)print overall_accuracy

二、SVM回归

（1）模型参数初始化

clf = svm.SVR()

其余和SVC类似

注：可以向进行特征选择后再进行训练，这样可能效果更好。