SVM sklearn 实例

SVM是一种基于小样本学习的方法，它避开了传统的归纳到演绎的过程，实现了高效的从训练样本到预测样本的推理。在sklearn中，你可以使用SVM来构建分类器或回归模型。

下面是一个SVM分类器的sklearn实例：

from sklearn import svm

# 创建一个SVM分类器对象
clf = svm.SVC()

# 准备训练数据和标签
X = [[0, 0], [1, 1]]
y = [0, 1]

# 使用训练数据和标签训练分类器
clf.fit(X, y)

# 使用分类器进行预测
print(clf.predict([[2., 2.]]))