svm支持向量机python案例

当然！我可以提供一个基于 Python 的 SVM（支持向量机）案例。下面是一个简单的示例，它使用 sklearn 库中的 SVM 模型来进行二分类。

首先，你需要安装 sklearn 库。可以使用以下命令在终端中安装：

pip install -U scikit-learn

然后，你可以使用以下代码创建一个 SVM 模型，并在示例数据集上进行训练和预测：

from sklearn import svm
from sklearn import datasets
from sklearn.model_selection import train_test_split
from sklearn.metrics import accuracy_score

# 加载示例数据集
iris = datasets.load_iris()
X = iris.data
y = iris.target

# 将数据集分为训练集和测试集
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42)

# 创建 SVM 模型
model = svm.SVC(kernel='linear')

# 在训练集上训练模型
model.fit(X_train, y_train)

# 在测试集上进行预测
y_pred = model.predict(X_test)

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

这个案例使用了鸢尾花数据集（iris dataset），将其分为训练集和测试集，并创建了一个线性核函数的 SVM 模型。模型通过训练集进行训练，并在测试集上进行预测，最后计算出准确率。

请注意，这只是一个简单的示例，SVM 还有很多其他参数和配置选项可以调整。你可以根据自己的需求进行进一步的调整和优化。

希望这个案例能对你有所帮助！如果还有其他问题，请随时提问。