svm对鸢尾花数据集进行分类

可以使用 SVM（支持向量机）算法对鸢尾花数据集进行分类。以下是一个简单的 Python 代码示例：

# 导入鸢尾花数据集
from sklearn.datasets import load_iris
iris = load_iris()

# 分割数据集
from sklearn.model_selection import train_test_split
X_train, X_test, y_train, y_test = train_test_split(iris.data, iris.target, test_size=0.3, random_state=42)

# 导入支持向量机模型
from sklearn import svm

# 训练模型
clf = svm.SVC(kernel='linear')
clf.fit(X_train, y_train)

# 预测结果
y_pred = clf.predict(X_test)

# 计算准确率
from sklearn.metrics import accuracy_score
accuracy = accuracy_score(y_test, y_pred)
print("准确率：", accuracy)

在这个示例中，我们首先导入了鸢尾花数据集，并将其分割为训练集和测试集。接下来，我们导入了支持向量机模型，并使用线性内核进行训练。然后，我们用训练好的模型对测试集进行预测，并计算准确率。

需要注意的是，这只是一个简单的示例，实际应用中需要进行更多的数据预处理和模型调参。