载入数据的one-versus-rest五分类算法代码

以下是一个基于scikit-learn库的one-versus-rest五分类算法的示例代码，用于载入数据：

from sklearn.multiclass import OneVsRestClassifier
from sklearn.svm import SVC
from sklearn.model_selection import train_test_split
from sklearn.metrics import accuracy_score
import pandas as pd

# 读取数据
data = pd.read_csv('data.csv')
X = data.iloc[:, :-1].values
y = data.iloc[:, -1].values

# 划分训练集和测试集
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42)

# 定义分类器
clf = OneVsRestClassifier(SVC(kernel='linear'))

# 训练模型
clf.fit(X_train, y_train)

# 预测测试集
y_pred = clf.predict(X_test)

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

在这个示例中，我们载入了一个CSV文件作为数据集，并使用train_test_split函数将数据集划分为训练集和测试集。我们使用了SVC作为基础分类器，并将其包装在OneVsRestClassifier中，以进行多类别分类。最后，我们使用accuracy_score函数计算模型的准确率。