svm分类python

使用支持向量机(SVM)进行分类的Python代码如下：

首先，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

接着，定义训练数据和标签：

X = np.array([[2, 0], [1, 1], [2, 3], [3, 2]])
y = np.array([0, 0, 1, 1])

然后，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)

接下来，定义SVM分类器：

clf = svm.SVC(kernel='linear', C=1.0)

这里使用线性核函数，C为正则化参数。

然后，使用训练数据训练SVM分类器：

clf.fit(X_train, y_train)

最后，使用测试数据进行预测并计算精度：

y_pred = clf.predict(X_test)
accuracy = accuracy_score(y_test, y_pred)
print("Accuracy:", accuracy)

完整代码如下：

import numpy as np
from sklearn import svm
from sklearn.model_selection import train_test_split
from sklearn.metrics import accuracy_score

# 训练数据和标签
X = np.array([[2, 0], [1, 1], [2, 3], [3, 2]])
y = np.array([0, 0, 1, 1])

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

# 定义SVM分类器
clf = svm.SVC(kernel='linear', C=1.0)

# 训练SVM分类器
clf.fit(X_train, y_train)

# 预测并计算精度
y_pred = clf.predict(X_test)
accuracy = accuracy_score(y_test, y_pred)
print("Accuracy:", accuracy)

输出结果为：

Accuracy: 1.0

这说明SVM分类器对测试数据分类的精度为100%。