给我一个svm对excel表格的评论三分类的代码

以下是使用SVM进行Excel表格评论三分类的Python代码示例：

import pandas as pd
from sklearn.feature_extraction.text import TfidfVectorizer
from sklearn.model_selection import train_test_split
from sklearn.svm import SVC
from sklearn.metrics import accuracy_score

# 读取Excel表格数据
df = pd.read_excel("excel_comments.xlsx")

# 分割数据集
train_data, test_data, train_labels, test_labels = train_test_split(df["comment"], df["label"], test_size=0.2, random_state=42)

# 特征提取
vectorizer = TfidfVectorizer(stop_words="english")
train_features = vectorizer.fit_transform(train_data)
test_features = vectorizer.transform(test_data)

# 构建SVM分类器
svm = SVC(kernel="linear", C=1.0, random_state=42)
svm.fit(train_features, train_labels)

# 预测结果
predictions = svm.predict(test_features)

# 计算准确率
accuracy = accuracy_score(test_labels, predictions)
print("Accuracy:", accuracy)

在该示例中，我们首先使用 `pandas` 库读取Excel表格数据，然后将数据集分为训练集和测试集。接下来，我们使用 `TfidfVectorizer` 对文本数据进行特征提取，将文本转化为向量表示。然后，我们使用 `SVC` 构建一个基于线性核的SVM分类器，并对训练集进行拟合。最后，我们使用训练好的分类器对测试集进行预测，并计算准确率。