SVM模型的代码

以下是一个简单的 Python 代码示例，用于训练和测试基于 SVM 的分类模型：

# 导入必要的库
import numpy as np
from sklearn import svm
from sklearn.model_selection import train_test_split
from sklearn.metrics import accuracy_score

# 加载数据集
data = np.loadtxt('data.csv', delimiter=',')
X = data[:, :-1]
y = data[:, -1]

# 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 模型
clf = svm.SVC(kernel='linear')
clf.fit(X_train, y_train)

# 在测试集上进行预测并计算准确率
y_pred = clf.predict(X_test)
accuracy = accuracy_score(y_test, y_pred)
print('Accuracy:', accuracy)

在上面的代码中，我们首先加载轴承故障数据集，然后将数据集划分为训练集和测试集。接下来，我们使用 SVM 模型进行训练，并在测试集上进行预测并计算准确率。需要注意的是，在实际应用中，我们还需要对模型进行调参和优化，以提高分类精度。