python 支持向量机 鸢尾花

支持向量机（Support Vector Machine，SVM）是一种常用的机器学习算法，可以用于分类和回归分析。在Python中，可以使用scikit-learn库中的SVM模块来实现支持向量机算法。

对于鸢尾花数据集，我们可以使用SVM算法进行分类。下面是一个示例代码：

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

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

# 创建SVM分类器
svm = SVC()

# 在训练集上训练模型
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)

这段代码首先导入了所需的库和模块，然后加载了鸢尾花数据集。接下来，将数据集划分为训练集和测试集，然后创建了一个SVM分类器。通过调用`fit`方法在训练集上训练模型，然后使用`predict`方法在测试集上进行预测。最后，使用`accuracy_score`函数计算预测准确率并输出结果。