svm三分类python鸢尾花

使用支持向量机（SVM）进行鸢尾花的三分类可以使用Python中的scikit-learn库来实现。下面是一个简单的示例代码：

from sklearn import datasets
from sklearn.model_selection import train_test_split
from sklearn.svm import SVC
from sklearn.metrics import accuracy_score

# 加载鸢尾花数据集
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分类器
svm = SVC(kernel='linear', C=1.0)

# 在训练集上训练分类器
svm.fit(X_train, y_train)

# 在测试集上进行预测
y_pred = svm.predict(X_test)

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

在上面的代码中，我们首先加载鸢尾花数据集，然后将数据集拆分为训练集和测试集。接下来，我们创建了一个线性核函数的SVM分类器，并在训练集上进行训练。最后，我们使用测试集进行预测，并计算准确率来评估模型的性能。

请注意，上述代码中的SVM分类器使用的是线性核函数（kernel='linear'），你可以根据需要选择其他核函数，如高斯核函数（kernel='rbf'）。此外，还可以调整C参数的值来改变模型的惩罚力度，以达到更好的分类效果。