python svm二分类

好的，针对您的问题，我可以为您提供一个 Python 中使用 SVM 进行二分类的简单示例。首先，需要导入相关的库和数据集：

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

# 加载数据集
iris = datasets.load_iris()
X = iris.data[:, :2]  # 取前两个特征
y = iris.target

# 将类别标签转化为二分类任务（只分两类）
y = np.where(y == 0, 0, 1)

然后，将数据集分为训练集和测试集：

# 将数据集分为训练集和测试集
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.3, random_state=0)

接着，使用 SVM 进行训练和预测：

# 构建 SVM 模型
clf = SVC(kernel='linear', C=1.0, random_state=0)

# 拟合模型
clf.fit(X_train, y_train)

# 预测测试集
y_pred = clf.predict(X_test)

最后，计算模型的准确率：

from sklearn.metrics import accuracy_score

# 计算准确率
acc = accuracy_score(y_test, y_pred)
print('Accuracy:', acc)

这就是一个简单的 SVM 二分类的例子，您可以根据自己的需求进行修改和扩展。希望对您有所帮助！