支持向量机分类python

支持向量机（Support Vector Machine，SVM）是一种常见的机器学习算法，适用于分类和回归问题。在Python中，可以使用scikit-learn库中的svm模块来实现支持向量机分类器。下面是一个简单的支持向量机分类代码示例：

# 导入依赖库
from sklearn import datasets
from sklearn.model_selection import train_test_split
from sklearn import svm

# 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)

# 创建SVM分类器
clf = svm.SVC()

# 训练模型
clf.fit(X_train, y_train)

# 预测结果
y_predict = clf.predict(X_test)

# 打印准确率
print("Accuracy:", clf.score(X_test, y_test))

以上代码中，我们使用scikit-learn库中的数据集iris，将其划分为训练集和测试集，创建一个SVC对象，进行训练，并使用测试集进行预测，最后输出准确率。