svm python代码

以下是使用Python中sklearn库实现SVM分类器的示例代码：

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

# 加载数据集
iris = 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=0.2)

# 创建SVM分类器
clf = svm.SVC(kernel='linear')

# 训练模型
clf.fit(X_train, y_train)

# 预测测试集
y_pred = clf.predict(X_test)

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

这段代码首先加载了鸢尾花数据集，然后将数据集划分为训练集和测试集。接着创建了一个SVM分类器，使用训练集进行训练，并使用测试集进行预测。最后计算预测准确率并输出。