一.向量机的目的：也可以用于分类

二.如何划成几个部分（如何分类）

找打一条线使得它们的距离最小

三.相关代码

问题：使用sklearn实现线性支持向量机，并通过癌细胞数据中训练集对模型进行训练，再对测试集癌细胞数据进行识别。 （修改参数使得测试最好）

#encoding=utf8
from sklearn.svm import SVR

def svr_predict(train_data,train_label,test_data):
    '''
    input:train_data(ndarray):训练数据
          train_label(ndarray):训练标签
    output:predict(ndarray):测试集预测标签
    '''
    #********* Begin *********#
    reg=SVR(gamma=0.0001,C=1000)
    reg.fit(train_data,train_label)
    predict=reg.predict(test_data)
    #********* End *********#
    return predict
    

调参数：https://scikit-learn.org/stable/modules/generated/sklearn.svm.SVR.html

SVR 与SVC的区别：

support vector classify（SVC）支持分类机做二分类的，找出分类面，解决分类问题
support vector regression（SCR）支持回归机做曲线拟合、函数回归 ，做预测，温度，天气，股票
这些都会用于数据挖掘、文本分类、语音识别、生物信息，具体问题具体分析