使用sklearn库写一个svm多分类python代码

以下是使用sklearn库写的一个SVM多分类Python代码。这个代码使用iris数据集，它是一个经典的分类问题。

# 导入必要的库
from sklearn import datasets
from sklearn.model_selection import train_test_split
from sklearn.svm import SVC
from sklearn.metrics import accuracy_score

# 导入iris数据集
iris = datasets.load_iris()

# 划分数据集为训练集和测试集
X_train, X_test, y_train, y_test = train_test_split(iris.data, iris.target, test_size=0.3, random_state=42)

# 创建SVM分类器
clf = SVC(kernel='linear', C=1, decision_function_shape='ovr')

# 训练分类器
clf.fit(X_train, y_train)

# 预测测试集
y_pred = clf.predict(X_test)

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

在这个代码中，我们首先导入所需的库和iris数据集。然后，我们使用train_test_split函数将数据集分为训练集和测试集。接下来，我们创建一个SVM分类器，使用线性内核和一对多（ovr）决策函数形状。我们使用训练集来训练分类器，然后使用测试集来预测。最后，我们计算准确率并将其打印出来。