支持向量机python代码鸢尾花数据

以下是一个使用Python实现支持向量机（SVM）对鸢尾花数据集进行分类的示例代码[^1]：

import pandas as pd
from sklearn.model_selection import train_test_split
from sklearn.svm import SVC
from sklearn.metrics import accuracy_score

# 读取鸢尾花数据集
data = pd.read_csv('iris.csv')

# 将特征和标签分开
X = data.drop('species', axis=1)
y = data['species']

# 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=42)

# 创建SVM分类器
svm = SVC()

# 在训练集上训练模型
svm.fit(X_train, y_train)

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

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

这段代码首先导入了必要的库，然后使用`pd.read_csv`函数读取了鸢尾花数据集的CSV文件。接下来，将特征和标签分开，并使用`train_test_split`函数将数据集划分为训练集和测试集。然后，创建了一个SVM分类器，并使用训练集对其进行训练。最后，使用测试集进行预测，并计算了预测准确率。