svm处理二分类问题代码

下面是使用Python中的sklearn库实现SVM处理二分类问题的代码示例：

from sklearn import svm
from sklearn.model_selection import train_test_split
from sklearn.metrics import accuracy_score

# 加载数据，X为特征向量，y为标签
X, y = load_data()

# 划分训练集和测试集
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42)

# 创建分类器对象
clf = svm.SVC(kernel='linear', C=1)

# 训练模型
clf.fit(X_train, y_train)

# 预测测试集结果
y_pred = clf.predict(X_test)

# 计算准确率
accuracy = accuracy_score(y_test, y_pred)

print("Accuracy:", accuracy)

在上述代码中，我们首先加载了数据，将其分为训练集和测试集。然后，创建了一个SVM分类器对象，使用线性核函数，并设置C参数为1。接着，用训练集训练模型，最后使用测试集进行预测并计算准确率。