python多分类svm算法代码

以下是使用Python实现多分类SVM算法的代码示例：

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

# 加载鸢尾花数据集
iris = datasets.load_iris()

# 获取特征和标签
X = iris.data
y = iris.target

# 数据集切分
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.3)

# SVM分类器模型训练
svm_model = SVC(kernel='linear', C=1.0)
svm_model.fit(X_train, y_train)

# 预测测试数据集
predicted_y = svm_model.predict(X_test)

# 打印预测结果及模型评分
print("Predicted labels: ", predicted_y)
print("Accuracy score: ", svm_model.score(X_test, y_test))

这段代码使用了Scikit-learn库来实现多分类SVM算法。首先，使用`datasets.load_iris()`加载鸢尾花数据集，然后将数据集分为训练集和测试集。接下来，创建一个SVC对象作为SVM分类器模型，并使用`fit()`方法对训练集进行训练。之后，使用`predict()`方法对测试集进行预测，并使用`score()`方法计算模型在测试集上的准确率。最后，打印出预测结果和模型评分。<span class="em">1</span><span class="em">2</span><span class="em">3</span>
#### 引用[.reference_title]
- *1* *2* *3* [SVM(支持向量机)进行分类的原理和python代码----通俗易懂](https://blog.csdn.net/qlkaicx/article/details/130471177)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_1"}}] [.reference_item style="max-width: 100%"]
[ .reference_list ]