svm模型函数有什么？其代码分别是？

SVM（Support Vector Machine，支持向量机）是一种常用的分类算法，其常用的模型函数有：

1. 线性核函数（Linear Kernel Function）：

h(x) = w^T x + b

2. 高斯核函数（Gaussian Kernel Function）：

h(x) = ∑ αi yi K(xi, x) + b

其中 K(xi, x) = exp(-||xi - x||^2 / (2σ^2))

这里的 w, b, αi, yi 分别表示 SVM 模型的参数，||xi - x|| 表示向量 xi 和 x 的欧几里得距离，σ 表示高斯核函数的带宽参数。

下面是 SVM 模型的 Python 代码示例：

1. 线性核函数：

from sklearn import svm

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

# 训练 SVM 分类器
clf.fit(X_train, y_train)

# 预测测试集结果
y_pred = clf.predict(X_test)

2. 高斯核函数：

from sklearn import svm

# 创建 SVM 分类器
clf = svm.SVC(kernel='rbf', gamma='auto')

# 训练 SVM 分类器
clf.fit(X_train, y_train)

# 预测测试集结果
y_pred = clf.predict(X_test)