用python写一个svm分类模型代码

好的，以下是一个简单的 SVM 分类模型的 Python 代码示例：

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

# 加载数据集
X, y = load_data()

# 划分训练集和测试集
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2)

# 定义 SVM 模型
clf = svm.SVC(kernel='linear')

# 训练模型
clf.fit(X_train, y_train)

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

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

在这个示例中，我们首先使用 `load_data()` 函数加载数据集，然后使用 `train_test_split()` 函数将数据集划分为训练集和测试集（测试集占总数据集的20%）。接着，我们使用 `svm.SVC()` 函数定义一个线性 SVM 分类器，并使用训练数据拟合模型。最后，我们使用模型对测试集进行预测，并计算测试集的准确率。

当然，这只是一个简单的示例，实际情况中需要根据具体的数据集和问题进行调整和优化。