支持向量机预测python代码，包含多个特征变量和一个因变量，输入excel表格作为训练集和验证集，训练完后输入新的excel表格数据进行预测，最后输出新的excel表格。同时输出精度和混淆看、矩阵

下面是一个支持向量机预测的 Python 代码示例，包含多个特征变量和一个因变量，输入 Excel 表格作为训练集和验证集，训练完后输入新的 Excel 表格数据进行预测，最后输出新的 Excel 表格，同时输出精度和混淆矩阵：

# 导入需要的库
import pandas as pd
from sklearn.model_selection import train_test_split
from sklearn.svm import SVC
from sklearn.metrics import accuracy_score, confusion_matrix

# 读取 Excel 表格数据
df = pd.read_excel('data.xlsx')

# 分离特征变量和因变量
X = df.iloc[:, :-1]
y = df.iloc[:, -1]

# 将数据分为训练集和验证集
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2)

# 训练支持向量机模型
svm = SVC(kernel='linear')
svm.fit(X_train, y_train)

# 预测新的数据
new_data = pd.read_excel('new_data.xlsx')
y_pred = svm.predict(new_data)

# 输出预测结果到 Excel 表格
new_data['Prediction'] = y_pred
new_data.to_excel('predictions.xlsx', index=False)

# 输出模型精度和混淆矩阵
print('Accuracy:', accuracy_score(y_test, svm.predict(X_test)))
print('Confusion Matrix:', confusion_matrix(y_test, svm.predict(X_test)))

需要注意的是，Excel 表格中的数据应该是数值型数据，如果有非数值型数据需要进行处理。另外，支持向量机模型的参数选择也需要根据具体情况进行调整。