sklearn.svm.SVC使用的例子

下面是一个使用sklearn.svm.SVC的例子：

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

# 加载鸢尾花数据集
iris = datasets.load_iris()
X = iris.data
y = iris.target

# 划分数据集
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.3, random_state=42)

# 创建SVM模型
svm_model = SVC(kernel='linear', C=1, gamma='auto')

# 训练模型
svm_model.fit(X_train, y_train)

# 预测
y_pred = svm_model.predict(X_test)

# 计算准确率
accuracy = accuracy_score(y_test, y_pred)

print('准确率：', accuracy)

以上代码加载了鸢尾花数据集，将数据集划分为训练集和测试集，创建了一个使用线性核函数的SVM模型，并在训练集上训练模型。然后，预测测试集并计算准确率。