用Python做支持向量机预测心脏疾病

好的，下面是使用Python进行支持向量机预测心脏疾病的基本步骤：

1. 导入所需的库和数据集

   import pandas as pd
   from sklearn.model_selection import train_test_split
   from sklearn.svm import SVC
   from sklearn.metrics import accuracy_score
   
   # 读取数据集
   data = pd.read_csv('heart.csv')

2. 数据预处理

   # 将数据集划分为特征和标签
   X = data.drop('target', axis=1)
   y = data['target']
   
   # 将数据集划分为训练集和测试集
   X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42)

3. 训练模型

   # 创建SVM分类器
   clf = SVC(kernel='linear')
   
   # 训练模型
   clf.fit(X_train, y_train)

4. 预测和评估

   # 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)

最后，您可以根据需要对模型进行调整，比如调整SVM核函数的类型、调整正则化参数等等，以提高模型的预测准确率。