在Python中，您可以使用`libsvm`库来训练和支持向量机（SVM）。要查看SVM的参数，您可以在训练模型时指定它们，或者在模型训练完成后，通过模型对象获取这些参数。以下是如何在Python中使用`libsvm`查看SVM参数的步骤：
1. 首先，确保您已经安装了`libsvm`的Python接口。如果尚未安装，可以通过以下命令安装：
```
pip install svmutil
2. 然后，您可以编写一个Python脚本来训练SVM模型并查看参数。以下是一个简单的示例：```pythonimport os
import sys
设置工作目录为libsvm的Python库目录
os.chdir（'F:\\svm\\libsvm-3.18\\python'）
从文件中读取训练数据和标签
y, x = svm_read_problem（'./train.txt'）
训练SVM模型，这里指定了参数C和kernel
C是错误惩罚参数，kernel是核函数类型
n = svm_train（y[:1579], x[:1579], '-c 35 -k linear'）
预测测试数据
p_label, p_acc, p_val = svm_predict（y[0:], x[0:], n）
打印模型参数
print（"模型参数C:", n.get_C（））
print（"模型参数核函数：", n.get_kernel（））
在上面的代码中，`-c`参数指定了错误惩罚参数C，`-k`参数指定了核函数的类型。这些参数在训练模型时被设置，并可以通过`n.get_C（）`和`n.get_kernel（）`方法在训练完成后获取。
请注意，上述代码示例是基于`libsvm`的旧版本（3.18），并且可能需要根据您的具体需求进行调整。如果您使用的是最新版本的`libsvm`或其他库（如`scikit-learn`），则API可能有所不同。