svm算法python实现鸢尾花

分类问题的代码是怎样的？

您好，以下是实现鸢尾花分类问题的 SVM 算法 Python 代码示例：

# 导入所需要的库
from sklearn import datasets
from sklearn.model_selection import train_test_split
from sklearn.svm import SVC
from sklearn.metrics import accuracy_score

# 加载鸢尾花数据集
iris = datasets.load_iris()
X = iris.data[:, :2]
y = iris.target

# 划分数据集
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.3, random_state=42)

# 创建 SVM 模型
model = SVC(kernel='linear')

# 训练模型
model.fit(X_train, y_train)

# 预测测试集
y_pred = model.predict(X_test)

# 计算准确率
accuracy = accuracy_score(y_test, y_pred)

# 输出准确率
print("准确率:", accuracy)

以上代码中，首先导入所需要使用的库。接着加载鸢尾花数据集，并将数据集的前两个特征作为输入特征 X，将标签作为目标变量 y。然后使用 train_test_split() 函数划分数据集，得到训练集 X_train，y_train 和测试集 X_test，y_test。接着创建 SVM 模型，这里使用线性 SVM（kernel='linear'）。然后使用 fit() 函数训练模型，预测测试集的标签并计算准确率。最后输出准确率即可。