在python中的支持向量机代码中加入数据集运行
时间: 2024-05-05 20:21:42 浏览: 16
好的,下面是一个简单的Python示例代码,用于训练和测试支持向量机模型,并使用iris数据集作为示例数据集:
```
from sklearn import datasets
from sklearn.model_selection import train_test_split
from sklearn.svm import SVC
from sklearn.metrics import accuracy_score
# 加载数据集
iris = datasets.load_iris()
X = iris.data
y = iris.target
# 划分数据集
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.3, random_state=1)
# 初始化SVM模型
svm = SVC(kernel='linear', C=1.0, random_state=1)
# 训练模型
svm.fit(X_train, y_train)
# 预测测试集
y_pred = svm.predict(X_test)
# 评估模型准确率
accuracy = accuracy_score(y_test, y_pred)
print('Model accuracy: %.2f' % accuracy)
```
这段代码使用了scikit-learn库中的SVM模型,我们首先从sklearn.datasets模块中导入iris数据集。然后使用train_test_split函数将数据集划分为训练集和测试集。接着,我们使用SVC类初始化支持向量机模型,并使用fit函数对模型进行训练。最后,我们使用predict函数对测试集进行预测,并使用accuracy_score函数计算模型的准确率。