svm算法训练分类模型代码

在Python中，我们可以使用scikit-learn库来方便地实现SVM分类模型的训练。以下是一个简单的例子，假设我们有一个二分类问题的数据集`X_train`和`y_train`：

from sklearn import svm
from sklearn.model_selection import train_test_split
import numpy as np

# 假设X_train是特征数组，y_train是标签数组

# 数据预处理（例如，特征缩放）
# X_train = preprocessing.scale(X_train)

# 划分训练集和测试集
X_train, X_test, y_train, y_test = train_test_split(X_train, y_train, test_size=0.2, random_state=42)

# 创建SVM分类器
svm_classifier = svm.SVC(kernel='linear') # 或者 'rbf', 'poly' 等，取决于数据特性

# 训练模型
svm_classifier.fit(X_train, y_train)

# 预测
y_pred = svm_classifier.predict(X_test)

# 评估模型性能
from sklearn.metrics import accuracy_score
accuracy = accuracy_score(y_test, y_pred)
print(f"Accuracy: {accuracy}")

记得在实际操作前，你需要先导入所需的库，并根据数据特性和需求调整核函数、正则化参数等。如果数据是多分类，可以改用`svm.LinearSVC()`或者`svm SVC(kernel='multinomial')`。