SVM添加正则化的分类代码

以下是一个使用SVM添加正则化的分类代码示例：

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

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

# 划分训练集和测试集
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=.3, random_state=42)

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

# 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
accuracy = accuracy_score(y_test, y_pred)
print("Accuracy:", accuracy)

这个代码使用了线性核函数和C=1.的正则化参数来训练SVM分类器，并使用测试集来评估模型的准确率。