写一段支持向量机将分类依据显现化的python代码

以下是使用Python中的支持向量机（SVM）进行分类的代码示例：

首先，导入必要的库：

import numpy as np
import matplotlib.pyplot as plt
from sklearn import svm

然后，准备一些数据进行分类：

# 创建两个分类的数据点
X = np.array([[1, 2], [2, 3], [3, 3], [2, 1], [3, 2], [4, 1]])
y = np.array([1, 1, 1, -1, -1, -1])

# 绘制数据点
plt.scatter(X[:, 0], X[:, 1], c=y)
plt.show()

这将生成以下输出：


接下来，使用SVM模型进行分类：

# 创建SVM模型
classifier = svm.SVC(kernel='linear')

# 训练模型
classifier.fit(X, y)

# 绘制决策边界
w = classifier.coef_[0]
a = -w[0] / w[1]
xx = np.linspace(0, 5)
yy = a * xx - (classifier.intercept_[0]) / w[1]
plt.plot(xx, yy, 'k-')

# 绘制数据点
plt.scatter(X[:, 0], X[:, 1], c=y)
plt.show()

这将生成以下输出：


在这个例子中，SVM模型找到了一个决策边界，将两个类别分开。