支持向量机分类python多分

类问题可以通过使用 sklearn 中的 SVM（Support Vector Machine）模型来解决。

下面是一个示例代码，它使用 SVM 对鸢尾花数据集进行分类。

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

# 将数据集分成训练集和测试集
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.3, random_state=42)

# 创建 SVM 模型
clf = SVC(kernel='linear')

# 拟合模型
clf.fit(X_train, y_train)

# 预测测试集
y_pred = clf.predict(X_test)

# 计算精度
accuracy = accuracy_score(y_test, y_pred)
print("Accuracy:", accuracy)

在这个例子中，我们使用线性内核SVM模型。你可以尝试使用不同的内核，比如径向基函数内核（RBF）来提高模型的分类精度。