利用SVM对MNIST训练出一个手写数字识别模型，请给出最佳模型的代码

以下是一个基于SVM的手写数字识别模型的Code：

import numpy as np
from sklearn import datasets
from sklearn.pipeline import Pipeline
from sklearn.preprocessing import StandardScaler
from sklearn.svm import SVC
from sklearn.model_selection import GridSearchCV

# 加载MNIST数据集
mnist = datasets.load_digits()
X = mnist.data
y = mnist.target

# 标准化数据
scaler = StandardScaler()
X_scaled = scaler.fit_transform(X)

# 设置模型
svm_clf = SVC(decision_function_shape='ovr')

# 设置交叉验证网格搜索参数
param_grid = [
    {'kernel': ['linear'], 'C': [1, 10, 100, 1000]},
    {'kernel': ['rbf'], 'C': [1, 10, 100, 1000], 'gamma': [0.001, 0.0001]},
]

# 执行网格搜索交叉验证
grid_search = GridSearchCV(svm_clf, param_grid, cv=5)
grid_search.fit(X_scaled, y)

# 打印最佳参数
print("Best params: ", grid_search.best_params_)

# 预测测试集
X_test = np.array([[0., 0., 0., ...., 0.], [1., 1., 1., ..., 1.]])
X_test_scaled = scaler.transform(X_test)
y_pred = grid_search.predict(X_test_scaled)
print("Predictions: ", y_pred)

其中，需要将代码中的 X_test 数据替换为测试集数据。

注意：以上代码仅供参考，具体的最佳模型的代码可能需要根据不同的数据集和实际需求进行调整。