我需要一个带有 huber 损失函数的 python svm 分类器。但它的默认损失函数是铰链损失。你知道如何将损失函数分配给 python svm 吗？
svc = svm.SVC(kernel='linear', C=1, gamma=1).fit(data, label)
实际上不存在“带有 huber 损失的 SVM”这样的东西，因为 SVM 实际上是一个用铰链损失训练的线性（或核化）模型。如果你改变损失——它就不再是 SVM。因此，库没有损失参数，因为更改它不适用于 SVM 概念。
如果你想用 huber 损失训练 模型，你可以使用 sklearn 中的 SGDClassiifier，它将用这个（和许多其他）损失训练线性模型。
如果你想做一些更复杂的事情，比如具有这种惩罚的非线性模型 - 那么 sklearn 不是好的选择，你应该看看更多“低级”库，例如 TF、Keras 等。
我将使用 hubar 损失函数实现 svm 分类器。 我不想使用铰链损失，因为铰链损失的导数是不可能的。并希望使用梯度下降法和 hubar 损失梯度。 请给我python代码。