参考：https://www.cnblogs.com/Yanjy-OnlyOne/p/11368253.html
from sklearn.svm import LinearSVC
model = LinearSVC()
model.fit(x_train,y_train)
参数： 名称 | 介绍 – | – C | 默认为1，错误项的惩罚系数，C越大，对分错样本的惩罚越大，训练样本的准确率越高。但是泛化能力减低，对测试数据的准确率下降。如果减小C的话，容许训练样本中分类错误样本，泛化能力强。一般选择后者 kernel | 默认为rbf，采用核函数的类型可选的有：linear–线性核函数 ;poly–多项式核函数；rbf–径向核函数/高斯函数；sigmod:sigmod核函数；precomputed:矩阵函数 max_iter : int, optional (default=-1) | 最大迭代次数，默认-1表示不限制 loss | 字符串。表示损失函数。可取值为’hinge’：合页损失函数:’squared_hinge’：合页损失函数的平方
属性 名称 | 介绍 – | – support_ : array-like, shape = [n_SV] | 支持向量索引 support_vectors_ : array-like, shape = [n_SV, n_features] | 支持向量 n_support_ : array-like, dtype=int32, shape = [n_class] | 每个类的支持向量数