帮我实现svm分类猫狗数据集的代码

以下是使用 Python 实现 SVM 分类猫狗数据集的代码：

import numpy as np
import matplotlib.pyplot as plt
from sklearn import svm, datasets
from sklearn.model_selection import train_test_split
from sklearn.metrics import accuracy_score

# 加载猫狗数据集
cats_dogs = datasets.load_files("path/to/cats_dogs")

# 将图像数据转换为特征向量
X = np.array(cats_dogs.data)
y = np.array(cats_dogs.target)

# 将数据集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=42)

# 训练 SVM 模型
clf = svm.SVC(kernel='linear', C=1)
clf.fit(X_train, y_train)

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

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

以上代码中，我们使用了 sklearn 库中的 SVM 模型来对猫狗数据集进行分类。首先，我们将图像数据转换为特征向量，然后将数据集分为训练集和测试集。接着，我们使用训练集来训练 SVM 模型，并在测试集上进行预测。最后，我们计算准确率来评估模型的性能。