写一个SVM多分类代码

以下是用 Python 实现 SVM 多分类的代码：

import numpy as np
from sklearn import datasets
from sklearn.model_selection import train_test_split
from sklearn import svm

# 加载 iris 数据集
iris = datasets.load_iris()
X = iris["data"]
y = iris["target"]

# 分割数据集为训练集和测试集
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2)

# 训练 SVM 模型
clf = svm.SVC(kernel='linear')
clf.fit(X_train, y_train)

# 评估模型在测试集上的效果
accuracy = clf.score(X_test, y_test)
print("Accuracy:", accuracy)

这是一个使用线性核的 SVM 分类器的简单代码实现，并使用 sklearn 的 iris 数据集进行测试。