编写一个svm算法程序

好的，以下是一个简单的SVM算法的示例程序，它使用Python和scikit-learn库：

# 导入需要的库
from sklearn import datasets
from sklearn.model_selection import train_test_split
from sklearn.svm import SVC
from sklearn.metrics import accuracy_score

# 加载数据集
iris = datasets.load_iris()
X = iris.data
y = iris.target

# 将数据集分成训练集和测试集
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.3, random_state=42)

# 创建SVM分类器对象并拟合训练数据
svm = SVC(kernel='linear', C=1.0, random_state=42)
svm.fit(X_train, y_train)

# 使用测试数据进行预测并计算准确率
y_pred = svm.predict(X_test)
accuracy = accuracy_score(y_test, y_pred)

# 打印准确率
print("Accuracy:", accuracy)

该程序使用鸢尾花数据集作为示例数据，将数据集分成训练集和测试集，然后创建SVM分类器对象并拟合训练数据。最后使用测试数据进行预测并计算准确率。