如果SVM模型欠拟合, 我们可以调高参数C的值, 使得模型复杂度上升.

当支持向量机（SVM）模型出现欠拟合时，通常意味着模型过于简单，无法捕捉数据的复杂特征。以下是各选项的分析：

A: **增大惩罚参数C的值**
- 增大C的值会让模型对训练数据中的每一个样本都尽量正确分类，减少训练误差，这样有可能提高模型的复杂度，从而减少欠拟合。

B: **减小惩罚参数C的值**
- 减小C的值会使模型在训练时允许更多的错误，可能导致模型更加简单，进一步增加欠拟合的可能性。因此，这并不是改善欠拟合的有效方法。

C: **减小核系数(gamma参数)**
- 减小gamma参数值会使得高斯核函数（如果使用的是RBF核）曲率更小，模型会更加简单，容易欠拟合。因此，这不是一个有效的方法来缓解欠拟合。

D: **尝试使用核函数**
- 使用核函数（特别是非线性核函数）可以增强模型的复杂度和灵活性，从而可能有效解决欠拟合的问题。通过引入非线性核函数，SVM能够在高维空间中找到更复杂的决策边界。

**正确答案是：A和D**

### 专业分析

| 参数或方法 | 作用与影响 |
|---------------------------|--------------------------------------------------------|
| 增大惩罚参数C的值 | 提高模型复杂度，降低欠拟合风险。 |
| 减小惩罚参数C的值 | 降低模型复杂度，增加欠拟合可能性。 |
| 增大核系数(gamma参数) | 提高模型复杂度，减少欠拟合。 |
| 尝试使用核函数 | 提升模型在复杂数据分布下的表现能力。 |

因此，在面对SVM模型欠拟合问题时，增大惩罚参数C或者尝试使用适合的数据特点的核函数（如RBF核、Polynomial核）是解决欠拟合的常用方法。