支持向量机算法python

在Python中，可以使用scikit-learn库来实现支持向量机算法。以下是一个简单的示例代码，演示如何使用SVM进行分类任务：

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

# 准备数据集
# X为特征向量，y为对应的标签
X = [[0, 0], [1, 1], [2, 2], [3, 3]]
y = [0, 0, 1, 1]

# 划分训练集和测试集
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42)

# 创建SVM分类器对象
clf = svm.SVC()

# 训练模型
clf.fit(X_train, y_train)

# 对测试集进行预测
y_pred = clf.predict(X_test)

# 计算准确率
accuracy = accuracy_score(y_test, y_pred)
print("Accuracy:", accuracy)

这是一个简单的二分类示例，其中X是特征向量，y是对应的标签。通过`train_test_split`函数将数据集划分为训练集和测试集。然后使用`svm.SVC()`创建SVM分类器对象，并调用`fit`方法进行模型训练。最后使用训练好的模型对测试集进行预测，并计算准确率。

请注意，这只是一个简单的示例，实际应用中可能需要对数据进行预处理、选择合适的核函数以及调参等。你可以根据具体的问题和数据集进行相应的调整和优化。