多分类支持向量机python

多分类支持向量机（SVM）是一种用于处理具有多个类别的分类问题的机器学习算法。在Python中，你可以使用scikit-learn库（sklearn）中的SVC类来实现多分类支持向量机。下面是一个用于多分类的支持向量机Python案例：

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

# 加载手写数字数据集
digits = load_digits()

# 将数据集划分为训练集和测试集
X_train, X_test, y_train, y_test = train_test_split(digits.data, digits.target, test_size=0.2, random_state=42)

# 创建支持向量机分类器
svm = SVC(kernel='linear')

# 在训练集上训练支持向量机模型
svm.fit(X_train, y_train)

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

# 计算准确率
accuracy = accuracy_score(y_test, y_pred)

在这个案例中，我们首先加载了手写数字数据集（digits），然后将数据集划分为训练集和测试集。接下来，我们创建了一个线性核的支持向量机分类器（SVC），并使用训练集对其进行训练。最后，我们使用测试集进行预测，并计算预测准确率。