使用鸢尾花数据用python实现支持向量机

好的，以下是使用鸢尾花数据用Python实现支持向量机的示例代码：

首先，我们需要导入必要的库和加载数据集：

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

# 加载鸢尾花数据集
iris = datasets.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)

接下来，我们可以使用支持向量机算法进行训练和预测：

# 创建支持向量机分类器对象
svm = SVC(kernel='linear')

# 使用训练集训练模型
svm.fit(X_train, y_train)

# 使用测试集进行预测
y_pred = svm.predict(X_test)

# 计算模型精度
acc = accuracy_score(y_test, y_pred)
print('模型精度：', acc)

以上代码使用线性核函数创建了一个支持向量机分类器对象，并使用训练集进行训练，之后使用测试集进行预测，并计算模型精度。

你也可以尝试使用其他参数和核函数进行训练和预测，以达到更好的效果。