svm支持向量机做预测python代码

以下是使用Python中的sklearn库实现SVM支持向量机做预测的代码：

# 导入需要的库
from sklearn import svm
from sklearn.model_selection import train_test_split
from sklearn.metrics import accuracy_score

# 加载数据集
from sklearn.datasets import load_iris
iris = load_iris()

# 获取数据集的特征和标签
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=0.3, random_state=42)

# 使用SVM支持向量机训练模型
clf = svm.SVC(kernel='linear', C=1, gamma='auto')
clf.fit(X_train, y_train)

# 预测测试集数据
y_pred = clf.predict(X_test)

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

在上面的代码中，我们首先导入了需要的库，并加载了一个经典的数据集——鸢尾花数据集。接着，我们将数据集分为训练集和测试集，并使用SVM支持向量机训练模型。最后，我们使用测试集数据进行预测，并计算准确率。