写一个多分类svm的python代码

以下是一个简单的多分类SVM Python代码：

import numpy as np
from sklearn import datasets
from sklearn.model_selection import train_test_split
from sklearn.svm import SVC

# 加载数据集
iris = datasets.load_iris()
X = iris.data
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)

# 训练模型
svm = SVC(kernel='linear', C=1, decision_function_shape='ovr')
svm.fit(X_train, y_train)

# 预测
y_pred = svm.predict(X_test)

# 评估模型
accuracy = np.mean(y_pred == y_test)
print('Accuracy:', accuracy)

在这个例子中，我们使用了鸢尾花数据集作为示例数据集，并使用SVM来对其进行多分类。我们使用线性内核，并使用“ovr”（一对多）策略来处理多类问题。最后，我们计算了模型的准确性并打印出来。