给我写一个机器学习分类问题的案例代码

好的，以下是一个机器学习分类问题的案例代码，它使用了支持向量机（SVM）算法对鸢尾花数据集进行分类。

首先，先导入必要的库和数据集：

import numpy as np
import pandas as pd
from sklearn.datasets import load_iris
from sklearn.model_selection import train_test_split
from sklearn.svm import SVC
from sklearn.metrics import accuracy_score

# 导入数据集
iris = load_iris()
X = iris.data
y = iris.target

然后，将数据集分为训练集和测试集：

X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42)

接下来，使用支持向量机算法进行训练和预测：

# 创建SVM分类器
clf = SVC(kernel='linear')

# 训练模型
clf.fit(X_train, y_train)

# 预测测试集
y_pred = clf.predict(X_test)

最后，使用准确率作为评价指标来评估模型的性能：

# 计算准确率
acc = accuracy_score(y_test, y_pred)
print("准确率为：", acc)

完整代码如下：

import numpy as np
import pandas as pd
from sklearn.datasets import load_iris
from sklearn.model_selection import train_test_split
from sklearn.svm import SVC
from sklearn.metrics import accuracy_score

# 导入数据集
iris = load_iris()
X = iris.data
y = iris.target

# 将数据集分为训练集和测试集
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42)

# 创建SVM分类器
clf = SVC(kernel='linear')

# 训练模型
clf.fit(X_train, y_train)

# 预测测试集
y_pred = clf.predict(X_test)

# 计算准确率
acc = accuracy_score(y_test, y_pred)
print("准确率为：", acc)

以上就是一个简单的机器学习分类问题的案例代码，它使用了支持向量机算法对鸢尾花数据集进行分类。