支持向量机python

支持向量机（Support Vector Machine，SVM）是一种常用的分类和回归算法。在Python中，SVM可以通过scikit-learn库中的SVM模块来实现。以下是一个简单的SVM分类器的示例：

from sklearn import svm
from sklearn.datasets import load_iris
from sklearn.model_selection import train_test_split

# 加载数据集
iris = load_iris()
X = iris.data
y = iris.target

# 划分训练集和测试集
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.3, random_state=0)

# 创建SVM分类器
clf = svm.SVC(kernel='linear', C=1)

# 训练模型
clf.fit(X_train, y_train)

# 预测测试集结果
y_pred = clf.predict(X_test)

# 输出准确率
print("Accuracy:", clf.score(X_test, y_test))

在这个例子中，我们使用了Iris数据集，将其划分为训练集和测试集，并使用线性SVM分类器进行训练和预测。最后，我们输出了模型在测试集上的准确率。