用sklearn库写一段支持向量机的代码

好的，以下是一个简单的使用sklearn库实现支持向量机的示例代码：

# 导入sklearn库和数据集
from sklearn import datasets
from sklearn.model_selection import train_test_split
from sklearn.svm import SVC

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

# 划分训练集和测试集
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.3, random_state=0)

# 创建SVM模型并拟合数据
svm = SVC(kernel='linear', C=1.0, random_state=0)
svm.fit(X_train, y_train)

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

# 计算预测准确率
accuracy = svm.score(X_test, y_test)
print("准确率为：", accuracy)

以上代码演示了如何使用sklearn库中的SVC类来创建支持向量机模型，并对鸢尾花数据集进行分类预测。在这个示例中，我们使用线性核函数和C值为1.0的参数进行训练，然后在测试集上进行预测并计算准确率。