svm支持向量机python代码 有松散变量

以下是一个简单的使用松弛变量的SVM代码示例，使用Python的Scikit-learn库：

from sklearn import svm
import numpy as np

# 创建数据集
X = np.array([[1, 2], [2, 3], [3, 3], [-1, -2], [-2, -3], [-3, -3]])
y = np.array([1, 1, 1, -1, -1, -1])

# 创建一个SVM分类器并使用松弛变量C=1.0
clf = svm.SVC(C=1.0)

# 训练SVM分类器
clf.fit(X, y)

# 预测新数据点的类别
new_X = np.array([[-0.5, -1], [3, 3], [-2, -2.5]])
print(clf.predict(new_X))

这段代码中，我们首先创建了一个数据集`X`和对应的标签`y`，然后使用Scikit-learn库中的SVC类创建了一个SVM分类器`clf`，并将松弛变量`C`设置为1.0。接着，我们使用`fit()`方法训练了分类器，最后使用`predict()`方法预测了新数据点的类别。