SVM代码

以下是一个简单的 SVM（支持向量机）分类器示例代码，使用 Python 和 scikit-learn 库：

from sklearn import datasets
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 = 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=42)

# 创建 SVM 模型
svm_model = SVC(kernel='linear')

# 训练模型
svm_model.fit(X_train, y_train)

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

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

print("测试集准确率：", accuracy)

这个示例代码使用鸢尾花数据集作为输入，将其划分为训练集和测试集，然后创建一个线性 SVM 模型并对其进行训练。最后，使用测试集进行预测，并计算准确率。