py实现svm模型训练代码

我可以回答你的问题。以下是一个简单的 Python 代码示例，用于 SVM 模型的训练:

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

# 载入鸢尾花数据集作为示例
iris = datasets.load_iris()

# 将数据集分为训练集和测试集
X_train, X_test, y_train, y_test = train_test_split(iris.data, iris.target, test_size=0.2, random_state=0)

# 创建 SVM 模型并设置参数
svm_model = SVC(C=1.0, kernel='linear', degree=3, gamma='auto')

# 训练 SVM 模型
svm_model.fit(X_train, y_train)

# 预测测试集
y_pred = svm_model.predict(X_test)

# 计算预测准确度
accuracy = accuracy_score(y_test, y_pred)
print('Accuracy: ', accuracy)

该代码使用 scikit-learn 库中的 SVM 模型进行训练，并使用鸢尾花数据集作为示例。你可以将 `iris.data` 和 `iris.target` 替换为你自己的数据集，然后按照相同的方式进行训练。