利用python写一个svm算法
时间: 2023-05-20 10:04:01 浏览: 59
可以使用Python的sklearn库来实现SVM算法,以下是一个简单的示例代码:
```python
from sklearn import svm
from sklearn.datasets import make_classification
from sklearn.model_selection import train_test_split
# 生成随机数据集
X, y = make_classification(n_samples=1000, n_features=4, random_state=0)
# 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=0.3, random_state=0)
# 创建SVM分类器
clf = svm.SVC(kernel='linear', C=1)
# 训练模型
clf.fit(X_train, y_train)
# 在测试集上进行预测
y_pred = clf.predict(X_test)
# 输出模型的准确率
print("Accuracy:", clf.score(X_test, y_test))
```
这段代码使用线性核函数创建了一个SVM分类器,并在随机生成的数据集上进行了训练和测试。你可以根据自己的需求修改代码中的参数和数据集。
相关问题
用python写一个svm算法并运行
我可以给你一些参考,但实际实现需要你自己进行编码。可以参考scikit-learn库中的svm类,它提供了实现支持向量机算法的Python接口。你可以使用这个类来构建你的模型,然后调用它的fit()方法来运行模型。
python 写SVM算法
以下是Python中使用Scikit-learn库实现SVM算法的示例代码:
```python
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
# 划分训练集和测试集
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.3, random_state=0)
# 创建SVM模型并拟合数据
svm = SVC(kernel='linear', C=1.0, random_state=0)
svm.fit(X_train, y_train)
# 预测测试集结果
y_pred = svm.predict(X_test)
# 计算准确率
accuracy = accuracy_score(y_test, y_pred)
print('Accuracy:', accuracy)
```
代码中的SVM模型使用线性核函数,并设置C参数为1.0。在拟合数据后,通过predict方法对测试集进行预测,并使用accuracy_score函数计算准确率。