svm识别minist数据集python代码

以下是使用 SVM 对 MNIST 数据集进行分类的 Python 代码示例：

import numpy as np
from sklearn import datasets, svm
from sklearn.model_selection import train_test_split

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

# 分割数据集为训练集和测试集
X_train, X_test, y_train, y_test = train_test_split(digits.data, digits.target, test_size=0.3, random_state=42)

# 创建 SVM 分类器
clf = svm.SVC(kernel='linear', C=1, gamma='scale')

# 训练 SVM 分类器
clf.fit(X_train, y_train)

# 在测试集上进行预测
y_pred = clf.predict(X_test)

# 计算模型准确率
accuracy = np.mean(y_pred == y_test)

print("Accuracy:", accuracy)

在这段代码中，我们首先导入必要的库，然后加载 MNIST 数据集并将其分割为训练集和测试集。接下来，我们创建一个 SVM 分类器，并使用训练集训练它。然后，我们在测试集上进行预测，并计算模型的准确率。最后，我们将准确率打印出来。