基于SVM的中草药识别器代码

以下是一个简单的基于SVM的中草药识别器代码示例：

import numpy as np
from sklearn import svm
from sklearn.model_selection import train_test_split

# 加载数据集
data = np.loadtxt("herbs_data.csv", delimiter=",")
X = data[:, 0:4]  # 特征
y = data[:, 4]    # 标签

# 划分训练集和测试集
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42)

# 训练SVM模型
clf = svm.SVC(kernel='linear', C=1)
clf.fit(X_train, y_train)

# 在测试集上进行预测
y_pred = clf.predict(X_test)

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

在这个示例中，我们首先加载了一个包含中草药特征和标签的数据集。我们使用 `train_test_split()` 函数将数据集划分为训练集和测试集。然后，我们使用 `svm.SVC` 类构建了一个基于线性核函数的 SVM 模型，并将其拟合到训练集中。最后，我们使用 `predict()` 函数在测试集上进行预测，并计算模型的准确率。