sklearn实现基于rbf的SVM多分类代码

以下是基于RBF核函数的SVM多分类的Python代码，使用了Scikit-learn库：

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

# 加载鸢尾花数据集
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, random_state=42)

# 创建SVM分类器对象
svm = SVC(kernel='rbf', C=1, gamma='auto')

# 训练模型
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)
print("Accuracy:", accuracy)

在上面的代码中，我们首先加载了鸢尾花数据集，然后将数据集分为训练集和测试集。接着，我们创建了一个SVM分类器对象，并使用RBF核函数进行分类。然后，我们使用训练集对模型进行训练，并在测试集上进行预测。最后，我们计算了预测准确率，并输出结果。