请给我一段适应度函数，是基于one class SVM，取出gamma和nu值进行优化并且优化模型的准确率

以下是一个基于one class SVM的适应度函数，它可以取出gamma和nu值进行优化，并提高模型的准确率：

def svm_fitness(X_train, y_train, X_val, y_val, gamma, nu):
    # 构建one class SVM模型
    model = OneClassSVM(kernel='rbf', gamma=gamma, nu=nu)
    model.fit(X_train)

    # 使用模型进行预测
    y_pred_train = model.predict(X_train)
    y_pred_val = model.predict(X_val)

    # 计算模型的准确率
    acc_train = accuracy_score(y_train, y_pred_train)
    acc_val = accuracy_score(y_val, y_pred_val)

    # 计算模型的损失
    loss = 1 - acc_val

    # 返回适应度值
    return 1 / (1 + loss)

此适应度函数首先使用给定的gamma和nu值构建一个one class SVM模型，并使用训练集进行拟合。然后，使用模型对训练集和验证集进行预测，并计算模型在两个数据集上的准确率。最后，适应度值被定义为1除以1加上模型在验证集上的损失。其中，损失被定义为1减去模型在验证集上的准确率。

您可以使用遗传算法或其他优化算法，以寻找最佳的gamma和nu值，以最大化适应度函数。