我想使用scikit的SVC分类器的不同参数进行交叉验证，所以我尝试了以下方法：
然后，让我们使用SVC算法：
from sklearn import svmprint('Support vector machine(SVM): {:.2f}'.format(metrics.accuracy_score( y, stratified_cv(X, y, svm.SVC(kernel='linear')))))但似乎我无法访问该对象：
AttributeError Traceback (most recent call last)<ipython-input-16-dacd8d429376> in <module>() 5 6 print('Support vector machine(SVM): {:.2f}'.format(metrics.accuracy_score(----> 7 y, stratified_cv(X, y, svm.SVC(kernel='linear'))))) 8 AttributeError: 'SVC' object has no attribute 'SVC'有趣的是，当我尝试这个时：
print('Support vector machine(SVM): {:.2f}'.format(metrics.accuracy_score( y, stratified_cv(X, y, svm.SVC))))我得到：
Support vector machine(SVM): 0.46这是怎么回事？…根据上述交叉验证策略，如何设置我自己的SVM配置？提前感谢大家！
回答：
你需要使用Python的partial。一般来说，你的函数需要传递一个可以用clf_class(**kwargs)调用的东西，所以如果你传递一个特定的object（通过clf = SVC(kernel='linear')获得），它将不会工作，因为你尝试这样做
SVC(kernel='linear')(**kwargs) # 错误！你想要调用的是
SVC(kernel='linear', **kwargs)所以你可以在Python中声明部分函数
from functools import partiallinear_svm = partial(svm.SVC, kernel='linear')现在你可以调用
linear_svm(**kwargs)