python实现svm支持向量机代码

在Python中，我们可以使用scikit-learn库来实现支持向量机（SVM）。以下是一个简单的示例，演示了如何使用Scikit-learn中的线性SVM对数据集进行分类：

# 导入所需的库
from sklearn import datasets
from sklearn import svm
from sklearn.model_selection import train_test_split
from sklearn.preprocessing import StandardScaler

# 加载数据集（例如Iris数据集）
iris = datasets.load_iris()
X = iris.data
y = iris.target

# 数据预处理（标准化）
scaler = StandardScaler()
X_scaled = scaler.fit_transform(X)

# 划分训练集和测试集
X_train, X_test, y_train, y_test = train_test_split(X_scaled, y, test_size=0.2, random_state=42)

# 创建SVM模型（线性核）
model = svm.SVC(kernel='linear')  # 使用线性内核

# 训练模型
model.fit(X_train, y_train)

# 预测
predictions = model.predict(X_test)

# 评估模型性能
from sklearn.metrics import accuracy_score
accuracy = accuracy_score(y_test, predictions)
print("Accuracy: ", accuracy)

# 如果需要更复杂的核函数，可以更改kernel参数，如'sigmoid'、'poly'等