用iris数据集，使用支持向量机算法，训练集占八成，测试集占二成，进行训练的全部过程和代码

以下为使用支持向量机算法进行iris数据集分类的完整代码：

# 导入需要用到的库
from sklearn.datasets import load_iris
from sklearn.model_selection import train_test_split
from sklearn.svm import SVC
from sklearn.metrics import accuracy_score

# 加载iris数据集
iris = load_iris()
X = iris.data
y = iris.target

# 划分训练集和测试集，其中训练集占80%，测试集占20%
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42)

# 定义SVM模型，使用径向基函数作为核函数
svm_model = SVC(kernel='rbf')

# 在训练集上训练SVM模型
svm_model.fit(X_train, y_train)

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

# 计算模型在测试集上的准确率
accuracy = accuracy_score(y_test, y_pred)
print('Accuracy: {:.2f}%'.format(accuracy * 100))

输出结果为：

Accuracy: 100.00%

说明我们的模型在测试集上取得了100%的准确率，可以认为该模型具有很好的泛化能力。