使用SVM算法实现鸾尾花识别功能，python代码实现

以下是使用SVM算法实现鸢尾花识别的Python代码：

from sklearn import datasets
from sklearn.model_selection import train_test_split
from sklearn import svm

# 加载鸢尾花数据集
iris = datasets.load_iris()
X = iris.data  # 特征
y = iris.target  # 标签

# 划分数据集
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.3, random_state=0)

# SVM模型训练
clf = svm.SVC(C=1, kernel='linear')
clf.fit(X_train, y_train)

# 模型评估
score = clf.score(X_test, y_test)
print('Accuracy:', score)

首先，我们使用`datasets.load_iris()`函数加载鸢尾花数据集，然后将特征和标签分别存储在`X`和`y`中。接着，我们使用`train_test_split()`函数将数据集划分为训练集和测试集。然后，我们使用`svm.SVC()`函数创建SVM分类器，设置参数`C=1`和`kernel='linear'`，并使用`fit()`函数拟合训练集。最后，我们使用`score()`函数评估模型在测试集上的准确率。

需要注意的是，由于鸢尾花数据集是一个经典的机器学习数据集，因此在Python的机器学习库中已经预设了这个数据集，可以通过`sklearn.datasets`模块直接加载。