python实现svm二分类代码

下面是一个简单的 Python 代码实现 SVM 二分类：

import numpy as np
from sklearn.svm import SVC

# 创建一个二分类的数据集
X = np.array([[1, 2], [2, 3], [3, 1], [4, 3], [5, 4], [6, 5], [7, 7], [8, 6]])
y = np.array([0, 0, 0, 0, 1, 1, 1, 1])

# 创建一个 SVM 模型
svm = SVC(kernel='linear', C=100)

# 训练模型
svm.fit(X, y)

# 预测结果
print(svm.predict([[4, 5]]))

上面的代码中，我们首先创建了一个二分类的数据集，然后使用 scikit-learn 库中的 `SVC` 类创建了一个 SVM 模型，并指定了线性核函数和惩罚参数 C 的值为 100。接着，我们使用 `fit` 方法来训练模型，并使用 `predict` 方法来进行预测。最后，输出预测结果。