python实现svm模型

以下是一个简单的示例代码，使用Python的scikit-learn库中的SVM模型：

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

# 加载数据集
iris = datasets.load_iris()
X = iris.data
y = iris.target

# 将数据集分成训练集和测试集
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_model = SVC(kernel='linear')

# 训练模型
svm_model.fit(X_train, y_train)

# 预测测试集的结果
y_pred = svm_model.predict(X_test)

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

print("准确率：", accuracy)

在这个代码中，我们加载了Iris数据集，将其分成训练集和测试集，创建了一个线性SVM模型，训练模型并预测测试集的结果。最后，我们计算了准确率并打印出来。