分别使用准确率、ROC曲线、AUC作为评价指标对SVM分类方法对线性可分数据集与非线性可分数据集进行分类实验结果进行评估。

准确率、ROC曲线、AUC是常用的分类模型性能评价指标。当使用 SVM 对线性可分数据集进行分类时，准确率、ROC曲线、AUC都可以作为评价指标。而当使用 SVM 对非线性可分数据集进行分类时，准确率不再适用，此时可以使用 ROC曲线和AUC进行评价。

对于线性可分数据集，SVM分类方法通常表现出较高的准确率和AUC值，ROC曲线也明显有向左上方移动的趋势。而在非线性可分数据集上，SVM分类方法的准确率往往较低，此时需要使用更加灵活的评价指标。ROC曲线和AUC能够比较好地评价分类模型的性能，因此被广泛应用于非线性可分数据集的分类实验评估中。