Svm训练得分python代码

在Python中，使用支持向量机（SVM）进行训练并获取得分通常涉及scikit-learn库。下面是一个简单的例子，假设我们已经有了训练数据X和对应的标签y：

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

# 假设你已经加载了数据集
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42)

# 创建SVM分类器
clf = svm.SVC(kernel='linear')  # 这里选择线性核，也可以用'poly', 'rbf', 'sigmoid'等其他核函数

# 训练模型
clf.fit(X_train, y_train)

# 预测测试集
y_pred = clf.predict(X_test)

# 获取预测得分（准确率）
score = accuracy_score(y_test, y_pred)
print(f"Accuracy: {score}")

# 或者直接获取模型的score（如使用交叉验证得分）
cross_val_score = cross_val_score(clf, X, y, cv=5)  # 5折交叉验证
average_score = cross_val_score.mean()
print(f"Cross-validation average score: {average_score}")

这里的`accuracy_score`返回的是分类准确率，如果你想要其他的评估指标（比如精确率、召回率、F1分数），可以替换`accuracy_score`。`cross_val_score`则用于计算模型在多次交叉验证下的平均得分。