写一个Python代码，用来读取一个mat后缀的文件，并训练一个SVM模型，然后测试数据测试模型分类的准确率

好的，下面是一个简单的Python代码，用于读取.mat文件并使用SVM模型进行训练和测试：

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

# 读取.mat文件
data = scipy.io.loadmat('file.mat')
X = data['X'] # 特征矩阵
y = data['y'] # 标签矩阵

# 划分数据集
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.3, random_state=42)

# 建立SVM模型
clf = svm.SVC(kernel='linear', C=1, gamma='auto')
clf.fit(X_train, y_train.ravel())

# 测试模型
accuracy = clf.score(X_test, y_test)
print("模型分类准确率：", accuracy)

注意：在这个示例代码中，我们使用了线性核函数和C=1的SVM模型，你可以根据你的具体情况调整这些参数。