用python实现支持向量机分类的代码
时间: 2024-10-24 08:03:59 浏览: 21
在Python中,我们可以使用Scikit-Learn库来实现支持向量机(SVM)的分类。这里是一个简单的例子,展示如何使用Scikit-Learn的`SVC`(Support Vector Classifier)类来训练一个线性SVM模型:
```python
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,例如鸢尾花数据集
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)
# 创建SVM分类器
svm_classifier = SVC(kernel='linear') # 'linear'表示使用线性核函数
# 训练模型
svm_classifier.fit(X_train, y_train)
# 预测测试集
y_pred = svm_classifier.predict(X_test)
# 计算准确率
accuracy = accuracy_score(y_test, y_pred)
print("Accuracy:", accuracy)
# 如果需要可视化决策边界,可以尝试使用如`matplotlib`等库,但这超出了本例的范围
```
在这个例子中,我们首先加载了数据集,然后将数据划分为训练集和测试集。接着创建了一个线性核的支持向量机,并使用训练数据对其进行训练。最后,我们在测试集上进行了预测,并计算了模型的准确性。
阅读全文