写一段代码，利用SVM对四组多维数据进行分类预测

好的，这里给您提供一个简单的示例代码，使用Python中的scikit-learn库实现SVM分类器对四组多维数据进行分类预测。

# 导入必要的库
from sklearn import svm
import numpy as np

# 定义四组多维数据，每组数据有两个特征
X = np.array([[2, 3], [1, 2], [4, 5], [3, 4]])
# 定义四组数据的标签，0表示第一类，1表示第二类
y = np.array([0, 0, 1, 1])

# 创建SVM分类器对象
clf = svm.SVC(kernel='linear')

# 训练模型
clf.fit(X, y)

# 预测新数据
new_X = np.array([[5, 6], [2, 1]])
print(clf.predict(new_X))

在这个示例中，我们首先定义了四组两个特征的多维数据和对应的标签，然后使用scikit-learn库中的SVM分类器对象来训练模型。最后，我们使用训练好的模型对新的数据进行分类预测。在这里，我们预测了两组新数据，输出的结果是它们所属的类别。