Python 3.x 实现与现有ML教程不同的ML方法

我对python很陌生，希望你们能帮助我。 我现在正在复制这个 本教程使用LightGBM进行分类，如下所示：

    # Set up training classes
labels_unique = np.unique(labels_train)

# Set up the model
model = lgb.LGBMClassifier(
    objective='multiclass', 
    num_class=len(labels_unique), 
    metric='multi_logloss'
)

# train the model
model.fit(features_train, labels_train)

该模型在这里被视为LightGBM分类器，我想在这些数据上尝试不同的scikit分类器，如SVM或MLP。 我试过这个：

   # Instantiate and evaluate classifier
model = SVC(kernel='linear')

# train the model
model.fit(features_train, labels_train)

---

但它不起作用。欢迎您提供任何建议

如果您提供完整的代码和错误信息，将会有所帮助。如果没有这些，我们只能猜测代码中的错误。如果您给出完整的代码和错误消息，这会有所帮助。如果没有这些，我们只能猜测代码中的错误