我试图将 SVM 应用到数据集中以找到它的准确性。我还在同一个数据集上应用了 bagging 和 boosting，它们工作正常。但是当我试图将 SVM 拟合到模型中时，它不起作用。我无法理解有什么问题。
我正在提供我的数据集样本
train_new.head()
# define X and y
feature_cols = ['age','workclass','fnlwgt','education','education-num','marital-status','occupation','relationship','race','sex','capital-gain','capital-loss','hours-per-week','native-country']
# X is a matrix, hence we use [] to access the features we want in feature_cols
X = train_new[feature_cols]
# y is a vector, hence we use dot to access 'label'
y = train_new['label']
from sklearn import svm
model = svm.SVC(kernel='linear', C=1, gamma=1)
在尝试适应模型时，几乎过了几分钟，它看起来像，
实际问题是什么，我可以解决吗？