给我一个这样的代码：模型训练 分别使用多项式朴素贝叶斯、支持向量机进行训练。记录训练时间。

以下是一个使用多项式朴素贝叶斯和支持向量机进行训练的代码，并记录训练时间的示例：

import time
from sklearn.datasets import load_iris
from sklearn.model_selection import train_test_split
from sklearn.naive_bayes import MultinomialNB
from sklearn.svm import SVC

# 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=0.3, random_state=42)

# 多项式朴素贝叶斯模型
start_time = time.time()
nb = MultinomialNB()
nb.fit(X_train, y_train)
train_time_nb = time.time() - start_time

# 支持向量机模型
start_time = time.time()
svm = SVC(kernel='poly')
svm.fit(X_train, y_train)
train_time_svm = time.time() - start_time

# 打印训练时间
print("Multinomial Naive Bayes training time: %s seconds" % train_time_nb)
print("SVM training time: %s seconds" % train_time_svm)

该代码首先加载了鸢尾花数据集，然后将数据集分成70%的训练集和30%的测试集。接着分别使用多项式朴素贝叶斯和支持向量机进行训练，并记录训练时间。最后，打印出训练时间。