支持向量机python代码

以下是一个简单的支持向量机（SVM）Python代码示例：

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

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

# 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)

# 创建SVM分类器
clf = SVC(kernel='linear')

# 训练模型
clf.fit(X_train, y_train)

# 预测测试集数据
y_pred = clf.predict(X_test)

# 计算模型准确率
accuracy = accuracy_score(y_test, y_pred)
print("Accuracy:", accuracy)

在这个示例中，我们使用Scikit-learn库中的Iris数据集加载数据。然后，我们将数据集分为训练集和测试集，并创建了一个SVM分类器。我们使用训练集训练模型，然后使用测试集数据进行预测。最后，我们计算模型的准确率并打印它。