请帮我找一个用于SVM二分类的数据集，并给出python代码

SVM（Support Vector Machine）是一种常用的监督学习算法，常用于二分类和多分类问题。常用的数据集如Iris数据集、Digits手写数字数据集或者Breast Cancer Wisconsin（诊断）数据集都适合用来演示SVM的应用。这里以经典的Iris数据集为例，它是Python scikit-learn库内置的一个小型数据集。

首先，你需要安装必要的库，包括`scikit-learn`（sklearn）：

pip install -U scikit-learn

然后，你可以使用下面的Python代码加载并预处理Iris数据集，最后训练一个SVM模型：

from sklearn import datasets
from sklearn.model_selection import train_test_split
from sklearn.preprocessing import StandardScaler
from sklearn.svm import SVC

# 加载数据集
iris = datasets.load_iris()
X = iris.data[:, :2]  # 取前两个特征做二分类（假设你想要区分Setosa和Versicolor）
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=0.2, random_state=42)

# 数据标准化
scaler = StandardScaler()
X_train = scaler.fit_transform(X_train)
X_test = scaler.transform(X_test)

# 创建SVM分类器
svm = SVC(kernel='linear')  # 线性核，其他如'rbf'是非线性的

# 训练模型
svm.fit(X_train, y_train)

# 预测
y_pred = svm.predict(X_test)

# 打印一些评估指标（例如准确率）
print("Accuracy:", svm.score(X_test, y_test))