svm代码python实例

以下是一个简单的SVM Python代码实例，使用Scikit-learn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模型
svm = SVC(kernel='linear')

# 使用训练集拟合模型
svm.fit(X_train, y_train)

# 使用测试集进行预测
y_pred = svm.predict(X_test)

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

这段代码使用Iris数据集作为示例数据，将数据集分成训练集和测试集，创建一个线性SVM模型并使用训练集进行拟合。最后使用测试集进行预测并计算准确率。