python支持向量机多分类

以下是一个使用支持向量机（SVM）进行多分类的Python代码示例：

from sklearn import svm
from sklearn.datasets import load_iris
from sklearn.model_selection import train_test_split
from sklearn.metrics import accuracy_score
# 加载数据集
iris = load_iris()
X = iris.data
y = iris.target

# 将数据集划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 = svm.SVC(kernel='linear')

# 使用训练集训练分类器
clf.fit(X_train, y_train)

# 使用分类器对测试集进行预测
y_pred = clf.predict(X_test)

# 计算预测准确率
accuracy = accuracy_score(y_test, y_pred)
print("准确率:", accuracy)

在这个例子中，我们使用了sklearn库中的SVC类来创建一个SVM分类器。我们使用鸢尾花数据集（load_iris）作为示例数据集。首先，我们将数据集划分为训练集和测试集，然后创建一个SVC对象，并使用训练集对其进行训练。最后，我们使用分类器对测试集进行预测，并计算预测的准确率。

请注意，这只是一个简单的示例代码，实际使用时可能需要根据具体情况进行调整。另外，还可以通过调整SVC的参数来优化模型的性能。