基于svm的optidigits数据集识别代码

以下是基于SVM的Optdigits数据集识别代码的示例：

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Optdigits数据集
digits = datasets.load_digits()

# 获取特征矩阵和标签向量
X = digits.data
y = digits.target

# 将数据集划分为训练集和测试集
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42)

# 训练SVM分类器
svm = SVC(kernel='linear', C=1, gamma='auto')
svm.fit(X_train, y_train)

# 预测测试集
y_pred = svm.predict(X_test)

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

在这个例子中，我们使用了scikit-learn库中的SVC类，使用线性核函数训练了一个SVM分类器，并使用测试集计算了准确率。可以根据需要调整SVM模型的参数，例如C值、gamma值等。