SVM算法对非线性数据多分类并可视化多个决策边界的python代码，数据源为csv格式

首先，我们需要导入所需的库：

import numpy as np
import pandas as pd
from sklearn import svm
import matplotlib.pyplot as plt
from mlxtend.plotting import plot_decision_regions

接下来，我们读取csv数据文件并进行预处理：

data = pd.read_csv("data.csv")
X = data.iloc[:, :-1].values
y = data.iloc[:, -1].values

然后，我们使用SVM算法进行训练和预测：

clf = svm.SVC(kernel='rbf', C=1, gamma=10)
clf.fit(X, y)
y_pred = clf.predict(X)

最后，我们使用 `plot_decision_regions` 函数将决策边界可视化：

plot_decision_regions(X, y, clf=clf, legend=2)
plt.show()

完整代码如下：

import numpy as np
import pandas as pd
from sklearn import svm
import matplotlib.pyplot as plt
from mlxtend.plotting import plot_decision_regions

data = pd.read_csv("data.csv")
X = data.iloc[:, :-1].values
y = data.iloc[:, -1].values

clf = svm.SVC(kernel='rbf', C=1, gamma=10)
clf.fit(X, y)
y_pred = clf.predict(X)

plot_decision_regions(X, y, clf=clf, legend=2)
plt.show()

其中， `kernel='rbf'` 表示使用径向基函数作为核函数， `C=1` 表示正则化系数， `gamma=10` 表示核函数系数。你可以根据自己的需求进行调整。