基于python，使用支撑向量机识别手写数字123

要使用支持向量机识别手写数字123，可以使用Python中的sklearn库。以下是一个简单的示例代码：

from sklearn import datasets, svm, metrics

# 加载手写数字数据集
digits = datasets.load_digits()

# 分割数据集为训练集和测试集
n_samples = len(digits.images)
data = digits.images.reshape((n_samples, -1))
train_data = data[:int(n_samples / 2)]
train_labels = digits.target[:int(n_samples / 2)]
test_data = data[int(n_samples / 2):]
test_labels = digits.target[int(n_samples / 2):]

# 创建SVM分类器
classifier = svm.SVC(gamma=0.001)

# 训练模型
classifier.fit(train_data, train_labels)

# 预测测试集
predicted = classifier.predict(test_data)

# 输出分类报告
print("Classification report for classifier %s:\n%s\n"
      % (classifier, metrics.classification_report(test_labels, predicted)))

# 输出混淆矩阵
print("Confusion matrix:\n%s" % metrics.confusion_matrix(test_labels, predicted))

在这个代码中，我们使用`datasets.load_digits()`加载手写数字数据集。然后，我们将数据集分成训练集和测试集，并创建了一个SVM分类器。接下来，我们使用训练集来训练分类器，并使用测试集来预测数字。最后，我们输出分类报告和混淆矩阵来评估模型的准确性。

请注意，这个示例代码只是一个简单的演示，你可以根据自己的需求进行更改和调整。