svm预测和训练模型代码
时间: 2023-08-06 11:09:36 浏览: 44
好的,以下是Python中使用sklearn库进行SVM分类模型的训练和预测的代码示例:
```python
# 导入必要的库
from sklearn import svm
from sklearn.datasets import load_iris
from sklearn.model_selection import train_test_split
from sklearn.metrics import accuracy_score
# 加载数据集
iris = load_iris()
X, y = iris.data, iris.target
# 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SVM分类器
clf = svm.SVC(kernel='linear', C=1.0)
# 训练模型
clf.fit(X_train, y_train)
# 预测
y_pred = clf.predict(X_test)
# 计算准确率
acc = accuracy_score(y_test, y_pred)
print("Accuracy: {:.2f}%".format(acc * 100))
```
其中,`svm.SVC(kernel='linear', C=1.0)`表示使用线性核函数,正则化参数为1.0的SVM分类器。你可以根据数据集的情况选择不同的核函数和正则化参数。训练后,使用`predict()`方法对测试集进行预测,并使用`accuracy_score()`计算准确率。