python中用SVM进行信号识别或分类的代码例子

在Python中，使用Scikit-Learn库（sklearn）可以方便地实现支持向量机（SVM）进行信号识别或分类。这里是一个简单的例子，假设我们有一组特征数据`X`和对应的标签`y`，我们将训练一个线性SVM对信号进行二分类：

# 导入所需的库
from sklearn import svm
from sklearn.model_selection import train_test_split
import numpy as np

# 假设你已经有了特征数据和标签数据
# X: 特征数组，二维numpy数组，每一行代表一个样本，每列对应一个特征
# y: 标签数组，一维numpy数组，表示每个样本的类别

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

# 创建一个线性SVM模型
clf = svm.SVC(kernel='linear') # 如果需要非线性决策边界，可以改变kernel参数，如'rbf'

# 训练模型
clf.fit(X_train, y_train)

# 预测测试集
predictions = clf.predict(X_test)

# 打印一些评估指标，例如准确率
accuracy = np.mean(predictions == y_test)
print(f"Accuracy: {accuracy * 100:.2f}%")

#