支持向量机python语言程序

支持向量机（Support Vector Machine, SVM）是一种监督学习的机器学习算法，主要用于分类和回归分析。在Python中，SVM通常使用scikit-learn库来实现。以下是使用scikit-learn实现SVM的基本步骤：

1. 导入所需的库：

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

2. 加载数据集（这里以鸢尾花数据集为例）：

iris = datasets.load_iris()
X = iris.data
y = iris.target

3. 划分训练集和测试集：

X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42)

4. 创建并训练SVM模型：

clf = svm.SVC(kernel='linear')  # 选择线性内核（其他选项如'poly', 'rbf'等）
clf.fit(X_train, y_train)

5. 预测和评估：

y_pred = clf.predict(X_test)
accuracy = accuracy_score(y_test, y_pred)
print("Accuracy:", accuracy)