写一个用SVM算法实现鸢尾花识别功能的代码

好的，以下是一个简单的用 SVM 算法实现鸢尾花识别的 Python 代码示例：

# 导入所需的库
from sklearn import datasets
from sklearn.model_selection import train_test_split
from sklearn.svm import SVC
from sklearn.metrics import accuracy_score

# 加载鸢尾花数据集
iris = datasets.load_iris()
X = iris.data
y = iris.target

# 将数据集拆分为训练集和测试集
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.3, random_state=42)

# 创建SVM模型
svm = SVC(kernel='linear', C=0.1)

# 训练模型
svm.fit(X_train, y_train)

# 在测试集上进行预测
y_pred = svm.predict(X_test)

# 计算模型的准确率
accuracy = accuracy_score(y_test, y_pred)
print("Accuracy:", accuracy)

这段代码首先加载了鸢尾花数据集，然后将其拆分为训练集和测试集。接着，使用 SVM 算法创建了一个线性分类器并在训练集上进行训练。最后，使用测试集上的数据来评估模型的准确率。

需要注意的是，这只是一个简单的 SVM 模型示例。在实际应用中，可能需要进行更多的特征工程和调参来优化模型的性能。