支持向量机python代码实现

支持向量机（Support Vector Machine，SVM）是一种常用的分类算法，可以用于解决二分类和多分类问题。以下是一个简单的支持向量机的Python代码实现示例：

import numpy as np
from sklearn.svm import SVC

# 定义训练数据集
X_train = np.array([[1, 2], [2, 3], [3, 1], [4, 3], [5, 3], [6, 2]])
y_train = np.array([0, 0, 0, 1, 1, 1])

# 创建支持向量机模型对象
model = SVC(kernel='linear')

# 使用训练数据集拟合模型
model.fit(X_train, y_train)

# 定义测试数据集
X_test = np.array([[2, 2], [5, 5], [1, 1]])

# 使用训练好的模型进行预测
y_pred = model.predict(X_test)

print("预测结果:", y_pred)

在这个示例中，我们使用了`numpy`库来创建训练数据集和测试数据集。然后，我们使用`sklearn`库中的`SVC`类来创建支持向量机模型对象，并通过设置`kernel='linear'`来指定线性核函数。通过调用`fit`方法，我们可以使用训练数据集来拟合模型。最后，使用训练好的模型对测试数据集进行预测，并打印出预测结果。

请注意，这只是一个简单的示例，实际应用中可能需要对数据进行预处理、特征工程等步骤。此外，还可以通过调整模型的参数来提高预测性能。