SVM:SVC真实案例，写出python代码

以下是一个使用SVM（SVC）进行二元分类的Python代码示例：

import numpy as np
from sklearn import svm
from sklearn.model_selection import train_test_split
from sklearn.metrics import accuracy_score

# 生成随机数据集
np.random.seed(0)
X = np.random.randn(200, 2)
y = np.logical_xor(X[:, 0] > 0, X[:, 1] > 0)
y = np.where(y, 1, -1)

# 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=0.3, random_state=0)

# 创建支持向量机分类器
clf = svm.SVC(kernel='linear')

# 训练模型
clf.fit(X_train, y_train)

# 预测测试集
y_pred = clf.predict(X_test)

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

在这个例子中，我们生成了一个随机的二元分类数据集，并将其拆分为训练集和测试集。然后，我们创建了一个支持向量机分类器，使用线性核函数进行训练，并使用测试集进行预测。最后，我们计算了模型的准确率。