python使用svm分类图像代码

以下是一个使用Python的Scikit-learn库实现SVM图像分类的示例代码：

from sklearn import svm
from sklearn.model_selection import train_test_split
from sklearn.metrics import accuracy_score
from sklearn.datasets import load_digits
import matplotlib.pyplot as plt

# 加载手写数字数据集
digits = load_digits()

# 划分数据集
X_train, X_test, y_train, y_test = train_test_split(digits.data, digits.target, test_size=0.3, random_state=0)

# 创建SVM分类器
clf = svm.SVC(kernel='linear', C=1)

# 训练模型
clf.fit(X_train, y_train)

# 预测测试数据
y_pred = clf.predict(X_test)

# 计算准确率
accuracy = accuracy_score(y_test, y_pred)
print("Accuracy:",accuracy)

# 显示测试图片和预测结果
plt.gray()
for i in range(10):
    plt.matshow(digits.images[i])
    plt.show()
    print("Predict:",clf.predict([digits.data[i]])[0])

这个示例代码使用了手写数字数据集，并将其划分为训练集和测试集。然后，使用SVM分类器对训练集进行训练，并对测试集进行预测和评估。最后，代码还展示了测试图片和预测结果。