非线性的SVC（RBF kernel）做XOR问题的二分类，同时画出热图

首先，引入必要的库和数据集：

from sklearn.svm import SVC
from sklearn.metrics import accuracy_score
import numpy as np

# XOR数据集
X = np.array([[0,0], [0,1], [1,0], [1,1]])
y = np.array([0, 1, 1, 0])

然后，定义并训练一个非线性的SVC模型（使用RBF内核）：

# 定义并训练模型
model = SVC(kernel='rbf')
model.fit(X, y)

接着，生成测试数据，并使用模型进行预测：

# 生成测试数据
test_X = np.array([[0.5, 0.5], [0.2, 0.8], [0.9, 0.1]])

# 预测
pred_y = model.predict(test_X)

最后，计算模型的准确率，并画出热图：

# 计算准确率
acc = accuracy_score(y, model.predict(X))
print('Accuracy:', acc)

# 画出热图
import matplotlib.pyplot as plt
x_min, x_max = X[:, 0].min() - 1, X[:, 0].max() + 1
y_min, y_max = X[:, 1].min() - 1, X[:, 1].max() + 1

xx, yy = np.meshgrid(np.linspace(x_min, x_max, 100),
                     np.linspace(y_min, y_max, 100))
Z = model.predict(np.c_[xx.ravel(), yy.ravel()])
Z = Z.reshape(xx.shape)

plt.contourf(xx, yy, Z, alpha=0.4)
plt.scatter(X[:, 0], X[:, 1], c=y, alpha=0.8)
plt.xlabel('x1')
plt.ylabel('x2')
plt.show()

完整代码如下：