用python编写SVM分类模型

使用 Python 编写 SVM 分类模型，可以使用 scikit-learn 库中的 SVC (Support Vector Classification) 类。

下面是一个示例代码：

from sklearn import datasets
from sklearn.model_selection import train_test_split
from sklearn import svm

# 加载数据
iris = datasets.load_iris()
X = iris["data"]
y = iris["target"]

# 划分训练数据和测试数据
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.3)

# 训练 SVM 分类模型
clf = svm.SVC()
clf.fit(X_train, y_train)

# 对测试数据进行预测
y_pred = clf.predict(X_test)

# 评估模型
accuracy = sum(y_pred == y_test) / len(y_test)
print("Accuracy:", accuracy)

这段代码使用了 iris 数据集，将数据划分为训练数据和测试数据，然后训练一个 SVM 分类模型，最后使用测试数据评估模型的准确性。