Python代码 svm算法

以下是一个简单的 SVM 算法的 Python 代码实现：

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

# 加载数据集
iris = datasets.load_iris()
X = iris.data
y = iris.target

# 分割数据集
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.3, random_state=0)

# 构建 SVM 模型
clf = svm.SVC(kernel='linear', C=1.0)

# 训练模型
clf.fit(X_train, y_train)

# 预测
y_pred = clf.predict(X_test)

# 计算准确率
accuracy = clf.score(X_test, y_test)
print("Accuracy:", accuracy)

该代码使用 scikit-learn 库中的 SVM 实现对 Iris 数据集进行分类。首先，我们加载数据集，然后将其拆分为训练集和测试集。接着，我们使用支持向量机算法构建模型并训练它。最后，我们预测测试集的结果并计算准确率。