采用线性核kernel='linear’的效果和使用sklearn.svm.LinearSVC实现的效果一样，但采用线性核时速度较慢，特别是对于大数据集，推荐使用线性核时使用LinearSVC

degree代表d，表示多项式的次数 gamma为多项式的系数，coef0代表r，表示多项式的偏置 注：coef0是sklearn.svm.SVC中的参数，详情点击SVC参数说明

可以将gamma理解为支持向量影响区域半径的倒数，gamma越大，支持向量影响区域越小，决策边界倾向于只包含支持向量，模型复杂度高，容易过拟合；gamma越小，支持向量影响区域越大，决策边界倾向于光滑，模型复杂度低，容易欠拟合； gamma的取值非常重要，即不能过小，也不能过大

coef0控制r,sigmod核函数是线性核函数经过tanh函数映射变化