用Python写一段支持向量机的代码

好的，下面是一个简单的支持向量机的 Python 代码：

# 导入必要的库
import numpy as np
from sklearn import svm
from sklearn.datasets import make_classification
from sklearn.model_selection import train_test_split

# 创建一个可分离的数据集
X, y = make_classification(n_samples=1000, n_features=4, n_informative=2, n_redundant=0, random_state=42)

# 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=0.2, random_state=42)

# 初始化一个支持向量机分类器
clf = svm.SVC(kernel='linear')

# 使用训练集拟合分类器
clf.fit(X_train, y_train)

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

# 输出分类器的精度
print("Accuracy:", np.mean(y_pred == y_test))

在这个例子中，我们使用`make_classification`函数生成了一个包含4个特征的数据集，并将其分成了训练集和测试集。然后，我们初始化了一个支持向量机分类器，并使用训练集来训练它。最后，我们在测试集上进行预测，并输出了分类器的精度。