joblib.load导入svm

你可以使用joblib.load()函数从磁盘中加载保存的SVM模型，然后使用该模型进行预测。

以下是一个示例代码：

from sklearn import svm
from sklearn.datasets import load_iris
from sklearn.model_selection import train_test_split
from sklearn.metrics import accuracy_score
from sklearn.externals import joblib

# 加载鸢尾花数据集
iris = load_iris()
X_train, X_test, y_train, y_test = train_test_split(iris.data, iris.target, test_size=0.3, random_state=0)

# 训练SVM模型
clf = svm.SVC(kernel='linear', C=1.0)
clf.fit(X_train, y_train)

# 保存模型
joblib.dump(clf, 'svm.model')

# 加载模型
clf = joblib.load('svm.model')

# 使用模型进行预测
y_pred = clf.predict(X_test)

# 计算准确率
accuracy = accuracy_score(y_test, y_pred)
print('Accuracy:', accuracy)

在上面的示例代码中，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，使用训练集训练了一个SVM模型，并将其保存到磁盘中。最后，通过joblib.load()函数加载已保存的模型，使用测试集进行预测，并计算准确率。