自己写的svm算法模型python

好的，我可以为您提供一个简单的 SVM 模型的 Python 代码示例。首先，您需要导入所需的库：

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

然后，您可以使用 sklearn 库中的鸢尾花数据集作为示例数据集。

iris = datasets.load_iris()
X = iris.data
y = iris.target

接下来，您需要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)

然后，您可以使用支持向量机算法（SVM）训练模型。在这个例子中，我们使用了高斯核函数（rbf）：

model = SVC(kernel='rbf')
model.fit(X_train, y_train)

最后，您可以使用测试集来评估模型的准确性：

y_pred = model.predict(X_test)
accuracy = accuracy_score(y_test, y_pred)
print("Accuracy: %.2f%%" % (accuracy * 100.0))

这就是一个简单的 SVM 模型的 Python 代码示例。请注意，这只是一个基本示例，您可以根据您的需求进行修改和优化。