支持向量机python代码_SVM--支持向量机&Python代码

好的，以下是一个简单的支持向量机 Python 代码示例：

# 导入所需的库
import numpy as np
from sklearn import svm, datasets
from sklearn.model_selection import train_test_split
from sklearn.metrics import accuracy_score

# 加载 iris 数据集
iris = datasets.load_iris()

# 只选择前两个特征作为输入
X = iris.data[:, :2]
y = iris.target

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

# 创建支持向量机对象
clf = svm.SVC(kernel='linear')

# 在训练集上训练模型
clf.fit(X_train, y_train)

# 在测试集上进行预测
y_pred = clf.predict(X_test)

# 输出模型的准确率
print("Accuracy:", accuracy_score(y_test, y_pred))

在这个示例中，我们使用了一个支持向量机模型来对 iris 数据集进行分类。我们只选择了前两个特征作为输入，并将数据集分为训练集和测试集。我们使用线性核函数来训练模型，并在测试集上进行预测。最后，我们输出了模型的准确率。