用Python实现支持向量机分类

在Python中，我们可以使用scikit-learn库来实现支持向量机（SVM）分类。以下是一个简单的例子，展示了如何使用sklearn中的SVC（Support Vector Classifier）来训练和预测数据：

# 导入所需的库
from sklearn import svm
from sklearn.model_selection import train_test_split
import numpy as np

# 假设我们有特征数据X和标签数据y
X = ... # (特征矩阵)
y = ... # (目标变量列表)

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

# 创建一个线性SVM分类器
clf = svm.SVC(kernel='linear') # 如果需要非线性，可以改变kernel参数，如'sigmoid', 'rbf'

# 训练模型
clf.fit(X_train, y_train)

# 预测测试集
predictions = clf.predict(X_test)

# 输出预测结果
print(predictions)

# 评估模型性能
from sklearn.metrics import classification_report, accuracy_score
print("Accuracy:", accuracy_score(y_test, predictions))
print(classification_report(y_test, predictions))