SVM python代码

当然！这是一个简单的使用Python实现支持向量机（SVM）的示例代码：

# 导入所需的库
from sklearn import datasets
from sklearn.model_selection import train_test_split
from sklearn.svm import SVC
from sklearn.metrics import accuracy_score

# 加载数据集
iris = datasets.load_iris()
X = iris.data
y = iris.target

# 将数据集拆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模型
model = SVC()

# 使用训练集训练模型
model.fit(X_train, y_train)

# 使用测试集进行预测
y_pred = model.predict(X_test)

# 计算预测准确率
accuracy = accuracy_score(y_test, y_pred)
print("Accuracy:", accuracy)

这段代码使用了Scikit-learn库中的SVC类来实现支持向量机模型。它加载了Iris数据集，将数据集拆分为训练集和测试集，然后使用训练集来训练模型。接着，使用测试集进行预测，并计算预测准确率。

请注意，这只是一个简单的示例代码，实际应用中可能需要对数据进行预处理、调整模型参数等操作。