用python调用sklearn.svm写一个线性分类器

好的，下面是一个简单的例子：

from sklearn import svm
import numpy as np

# 生成一些假数据
X = np.array([[1, 2], [3, 4], [5, 6], [7, 8]])
y = np.array([0, 1, 1, 0])

# 创建SVM分类器对象
clf = svm.SVC(kernel='linear')

# 训练模型
clf.fit(X, y)

# 预测
print(clf.predict([[2, 3], [6, 7]]))

在这个例子中，我们使用了 `sklearn.svm` 模块中的 `SVC` 类来创建一个SVM分类器对象。我们使用了一个简单的二维数组 `X` 作为训练数据，和一个一维数组 `y` 作为对应的标签。然后我们调用 `fit()` 方法来训练模型，最后调用 `predict()` 方法来做出预测。在这个例子中，我们预测了两个新的样本，输出了对应的分类结果。