python使用支持向量机算法

Python中使用支持向量机算法可以使用scikit-learn库中的SVM模块。以下是一个简单的使用SVM进行分类的示例代码：

from sklearn import svm
from sklearn.datasets import make_classification
from sklearn.model_selection import train_test_split

# 生成示例数据
X, y = make_classification(n_samples=1000, n_features=4, random_state=0)

# 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=0)

# 创建SVM模型并训练
clf = svm.SVC(kernel='linear', C=1)
clf.fit(X_train, y_train)

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

# 输出预测结果和准确率
print("预测结果：", y_pred)
print("准确率：", clf.score(X_test, y_test))

在这个示例中，我们首先使用`make_classification`函数生成了一个有4个特征的分类数据集。然后使用`train_test_split`函数将数据集划分为训练集和测试集。接着，我们创建了一个线性核的SVM模型，并使用`fit`函数在训练集上训练模型。最后，使用`predict`函数在测试集上进行预测，并使用`score`函数计算模型在测试集上的准确率。