python svm模型

SVM（Support Vector Machine）是一种常见的机器学习算法，可以用于分类和回归问题。下面是一个使用Python中的sklearn库实现SVM分类模型的示例代码：

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

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

# 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=42)

# 创建SVM分类模型
clf = svm.SVC(kernel='linear')

# 在训练集上训练模型
clf.fit(X_train, y_train)

# 在测试集上测试模型
y_pred = clf.predict(X_test)

# 计算模型的准确率
acc = accuracy_score(y_test, y_pred)
print("Accuracy:", acc)

在上面的代码中，我们首先加载了一个经典的数据集iris，然后将其分为训练集和测试集。接着创建一个SVM分类模型，使用训练集训练模型，并在测试集上测试模型。最后，我们计算了模型的准确率并输出结果。