使用svm算法实现鸢尾花识别功能运行结果

抱歉，我无法运行代码。但我可以提供一份使用 SVM 算法实现鸢尾花识别的 Python 代码，供你参考：

# 导入需要的库
from sklearn.datasets import load_iris
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 = load_iris()

# 获取特征和标签
X = iris.data
y = iris.target

# 分割数据集为训练集和测试集
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.3, random_state=42)

# 定义 SVM 模型
model = SVC(kernel='linear')

# 训练模型
model.fit(X_train, y_train)

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

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

# 打印准确率
print('Accuracy:', accuracy)

这段代码将鸢尾花数据集加载到 `iris` 变量中，然后将特征和标签分别存储在 `X` 和 `y` 变量中。接着，使用 `train_test_split` 函数将数据集分割为训练集和测试集。然后，定义一个支持向量机（SVM）模型，使用训练集进行训练，并使用测试集进行预测。最后，使用 `accuracy_score` 函数计算准确率，并将其打印出来。