python支持向量机鸢尾花

Python支持向量机（SVM，Support Vector Machine）是一种监督学习模型，常用于分类和回归分析。在鸢尾花数据集（Iris Dataset）上，这是一个经典的机器学习示例，其中包含了三种不同种类的鸢尾花的测量数据。SVM通过找到最优超平面将数据分隔开，使得各类别之间的间隔最大化。

在Python中，你可以使用scikit-learn库来处理鸢尾花数据并训练SVM模型。以下是一个简单的步骤概述：

1. 导入所需的库：

from sklearn import datasets
from sklearn.model_selection import train_test_split
from sklearn.preprocessing import StandardScaler
from sklearn.svm import SVC
from sklearn.metrics import accuracy_score

2. 加载数据：

iris = datasets.load_iris()
X = iris.data
y = iris.target

3. 数据预处理（如果需要），如标准化数据：

scaler = StandardScaler()
X_scaled = scaler.fit_transform(X)

4. 划分训练集和测试集：

X_train, X_test, y_train, y_test = train_test_split(X_scaled, y, test_size=0.2, random_state=42)

5. 创建并训练SVM模型：

svm_model = SVC(kernel='linear')  # 或者选择其他内核如'poly', 'rbf'
svm_model.fit(X_train, y_train)

6. 预测和评估模型：

y_pred = svm_model.predict(X_test)
print("Accuracy:", accuracy_score(y_test, y_pred))