写出代码实现支持向量机挑西瓜

下面是一个简单的 Python 代码实现，使用 scikit-learn 库中的 SVM 模型来挑选西瓜。这个例子使用了西瓜数据集 3.0，数据集中一共有 17 个样本，每个样本有 8 个特征，包括密度、含糖率等。

from sklearn import svm
from sklearn import datasets

# 加载西瓜数据集
data = datasets.load_wine()

# 取前两个特征作为输入
X = data.data[:, :2]
# 取类别作为标签
y = data.target

# 训练 SVM 模型
clf = svm.SVC(kernel='linear')
clf.fit(X, y)

# 预测新的西瓜
new_data = [[0.7, 0.2], [0.3, 0.8]]
print(clf.predict(new_data))

在这个例子中，我们取了数据集中的前两个特征作为输入，使用 SVM 模型进行训练，并预测了两个新的西瓜样本的类别。需要注意的是，这个例子使用了线性核函数，如果数据集不是线性可分的，我们需要使用其他的核函数来处理。