svmpython代码

以下是一个简单的 SVM 分类器的 Python 代码示例：

from sklearn import datasets, svm
from sklearn.model_selection import train_test_split
from sklearn.metrics import accuracy_score

# 加载鸢尾花数据集
iris = datasets.load_iris()
X = iris.data
y = iris.target

# 将数据集拆分为训练集和测试集
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.3)

# 定义 SVM 分类器
clf = svm.SVC(kernel='linear')

# 训练分类器
clf.fit(X_train, y_train)

# 预测测试集数据
y_pred = clf.predict(X_test)

# 计算分类器的准确度
accuracy = accuracy_score(y_test, y_pred)
print('Accuracy:', accuracy)

这段代码使用了 Scikit-Learn 库中的 SVM 分类器来对鸢尾花数据集进行分类，并计算了分类器的准确度。在实际应用中，可以根据具体的数据集和需求来调整模型参数和评估指标。