python支持向量机图像分类代码

下面是一个简单的基于 Python 的支持向量机图像分类代码示例，使用 scikit-learn 库和 MNIST 数据集：

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

# 加载 MNIST 数据集
digits = datasets.load_digits()

# 获取图像数据和标签
X = digits.images.reshape((len(digits.images), -1))
y = digits.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=0.2)

# 初始化 SVM 分类器
clf = svm.SVC(gamma=0.001)

# 在训练集上训练 SVM 分类器
clf.fit(X_train, y_train)

# 使用测试集评估分类器的准确性
y_pred = clf.predict(X_test)
accuracy = accuracy_score(y_test, y_pred)
print("Accuracy:", accuracy)

在这个示例中，我们首先加载 MNIST 数据集并获取图像数据和标签。然后，我们将数据集分为训练集和测试集，使用 SVM 分类器在训练集上进行训练，最后使用测试集评估分类器的准确性。

注意：此示例仅用于演示目的。在实际应用中，可能需要进行更多的数据预处理、特征提取等操作来提高分类器的准确性。