请利用sklearn库，采用SVM分类方法，对iris数据集进行分类，数据集需要划分为训练子集和测试子集， 在训练集上训练算法，在测试集上测试算法，并输出算法正确率。

在Python中，使用scikit-learn库进行Iris数据集的SVM分类可以按照以下步骤进行：

import numpy as np
from sklearn import datasets
from sklearn.model_selection import train_test_split
from sklearn import svm
from sklearn.metrics import accuracy_score

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

# 划分训练集和测试集
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42)  # 80%用于训练，20%用于测试

# 定义支持向量机分类器
svm_classifier = svm.SVC()  # 默认使用线性内核，若需其他内核可指定kernel参数

# 使用训练数据拟合模型
svm_classifier.fit(X_train, y_train)

# 预测测试集
predictions = svm_classifier.predict(X_test)

# 计算并打印准确率
accuracy = accuracy_score(y_test, predictions)
print(f"Support Vector Machine Classifier Accuracy: {accuracy*100}%")