python编写支持向量机算法样例

下面是一个使用Python编写的支持向量机（SVM）算法的样例：

from sklearn import svm
import numpy as np

# 生成随机数据
X = np.random.randn(100, 2)
Y = np.logical_xor(X[:, 0] > 0, X[:, 1] > 0)

# 创建SVM模型
clf = svm.SVC(kernel='linear')

# 训练模型
clf.fit(X, Y)

# 使用模型进行预测
pred = clf.predict(X)

# 输出模型的准确率
accuracy = np.mean(pred == Y)
print("Accuracy:", accuracy)

在上面的代码中，我们首先使用NumPy生成了一个随机的二维数据集。然后，我们使用Scikit-learn库中的SVM类创建了一个SVM模型，并指定使用线性核函数。接着，我们使用fit()方法训练了模型，并使用predict()方法进行预测。最后，我们计算了模型的准确率并输出了结果。

需要注意的是，这只是一个简单的示例，实际应用中需要根据具体情况进行模型参数的调整和优化。