给一个svm.svc的例子

好的，下面是一个使用 sklearn 库中的 SVM 实现 SVC 的例子：

from sklearn import svm
from sklearn.datasets import make_classification
from sklearn.model_selection import train_test_split

# 生成一个二分类数据集
X, y = make_classification(n_samples=1000, n_features=10, n_classes=2, random_state=123)

# 将数据集拆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=456)

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

# 使用训练集拟合SVM分类器
clf.fit(X_train, y_train)

# 在测试集上评估SVM分类器性能
accuracy = clf.score(X_test, y_test)
print("Accuracy:", accuracy)

在这个例子中，我们首先使用 `make_classification` 函数生成一个包含 1000 个样本和 10 个特征的二分类数据集。然后，我们将数据集拆分为训练集和测试集，并使用 `svm.SVC` 创建一个 SVM 分类器。最后，我们使用训练集拟合分类器，并在测试集上评估其性能。