SVM的python代码

以下是一个基于sklearn库的SVM分类器的Python代码示例：

from sklearn import datasets
from sklearn.model_selection import train_test_split
from sklearn.svm import SVC
from sklearn.metrics import accuracy_score

# 加载数据集
iris = datasets.load_iris()
X = iris.data[:, :2]
y = iris.target

# 划分训练集和测试集
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.3, random_state=0)

# 定义SVM分类器模型
svm_model = SVC(kernel='linear', C=1.0, random_state=0)

# 训练模型
svm_model.fit(X_train, y_train)

# 预测测试集
y_pred = svm_model.predict(X_test)

# 计算准确率
accuracy = accuracy_score(y_test, y_pred)

print("Accuracy:", accuracy)

在上述代码中，我们使用 `datasets.load_iris()` 加载了一个示例数据集（鸢尾花数据集），并将前两个特征列作为输入特征。我们通过 `train_test_split` 将数据集划分为训练集和测试集，然后定义了SVM分类器模型并使用 `fit` 方法对其进行训练。最后，使用 `predict` 方法对测试集进行预测，并使用 `accuracy_score` 方法计算模型的准确率。