采用 scikit-learn 中的线性 SVM 对 iris 数据集进行二分类

好的，我会为您提供一个 Python 代码示例，使用 scikit-learn 中的线性 SVM 对 iris 数据集进行二分类。首先，我们需要导入所需的库和数据集：

from sklearn.datasets import load_iris
from sklearn.model_selection import train_test_split
from sklearn.svm import LinearSVC
from sklearn.metrics import accuracy_score

iris = load_iris()
X = iris.data[:, :2]
y = iris.target

在这里，我们只选择了 iris 数据集的前两个特征，因为我们希望将其可视化。接下来，我们将数据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)

然后，我们可以使用 LinearSVC 模型拟合数据：

clf = LinearSVC(random_state=42)
clf.fit(X_train, y_train)

最后，我们可以使用测试集评估模型的表现：

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

完整代码如下：

from sklearn.datasets import load_iris
from sklearn.model_selection import train_test_split
from sklearn.svm import LinearSVC
from sklearn.metrics import accuracy_score

iris = load_iris()
X = iris.data[:, :2]
y = iris.target

X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42)

clf = LinearSVC(random_state=42)
clf.fit(X_train, y_train)

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

运行代码后，您将得到一个准确率。希望这个示例能够帮助您理解如何使用线性 SVM 对 iris 数据集进行二分类。