Могу ли я сгенерировать потерю шарнира результата теста мультикласса svm с помощью sklearn?

Question

Фиктивная версия кода:

      feature = []
label = []
xtrain,ytrain,xtest,ytest = train_test_split(feature,label, test_size = 0.3)
clf=svm.SVC(C=10,kernel='rbf')

Я видел, что есть функция шарнир_лосс() из библиотеки sklearn, но кажется, что это только для линейного svm? Могу ли я рассчитать потери шарнира классификатора в приведенном выше примере кода с помощью этой функции шарнира_loss()? Или мне нужно вручную указать функцию потери шарнира для мультиклассового svm с ядром rbf, например

      loss_function=max(0,1 y_test*...)
# the line above was just a dummy version, as I havent figured out the loss function for the classifier just yet. 

Я предполагаю, что это вопрос, связанный с программированием, поэтому я спрашиваю на этом форуме (кто-то сообщил о нем, прежде чем сказать, что мои предыдущие вопросы не были связаны с программированием).