支持向量机python实现红酒
时间: 2024-01-17 11:19:06 浏览: 31
支持向量机(Support Vector Machine,SVM)是一种常用的机器学习算法,可以用于分类和回归任务。在Python中,我们可以使用scikit-learn库来实现支持向量机算法。
下面是一个使用支持向量机算法对红酒数据进行分类的示例代码:
```python
from sklearn import datasets
from sklearn.model_selection import train_test_split
from sklearn.svm import SVC
from sklearn.metrics import accuracy_score
# 加载红酒数据集
wine = datasets.load_wine()
X = wine.data
y = wine.target
# 将数据集划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, random_state=42)
# 创建支持向量机分类器
svm = SVC()
# 在训练集上训练模型
svm.fit(X_train, y_train)
# 在测试集上进行预测
y_pred = svm.predict(X_test)
# 计算准确率
accuracy = accuracy_score(y_test, y_pred)
print("Accuracy:", accuracy)
```
这段代码首先导入了所需的库,然后加载了红酒数据集。接下来,将数据集划分为训练集和测试集,然后创建了一个支持向量机分类器。在训练集上训练模型后,使用测试集进行预测,并计算了准确率。