svmpython代码

以下是 SVM 在 Python 中的代码示例：

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

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

# 分割数据集
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.3, random_state=42)

# 创建 SVM 模型
svm_model = SVC(kernel='linear')

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

# 在测试集上测试 SVM 模型
y_pred = svm_model.predict(X_test)

# 计算模型准确率
accuracy = accuracy_score(y_test, y_pred)
print("Accuracy: {:.2f}%".format(accuracy*100))

在以上代码中，我们使用了 scikit-learn 库中的 `SVC` 类来创建 SVM 模型，并使用 `train_test_split` 函数将数据集分割成训练集和测试集。然后我们在训练集上训练 SVM 模型，并在测试集上测试模型。最后，我们使用 `accuracy_score` 函数计算模型的准确率。