svm.SCM代码实现

SVM（Support Vector Machine）是一种常用的机器学习算法，用于分类和回归问题。在Python中，可以使用scikit-learn库中的svm模块来实现SVM算法。

下面是一个简单的SVM分类器的代码实现示例：

from sklearn import svm
from sklearn.datasets import make_blobs

# 创建一个示例数据集
X, y = make_blobs(n_samples=100, centers=2, random_state=0, cluster_std=0.6)

# 创建一个SVM分类器对象
clf = svm.SVC(kernel='linear')

# 使用数据集进行训练
clf.fit(X, y)

# 进行预测
new_data = [[0.5, 2.5]]
predicted_label = clf.predict(new_data)
print("预测标签:", predicted_label)

上述代码中，首先使用`make_blobs`函数生成一个示例数据集，然后创建一个SVM分类器对象`clf`，并指定使用线性核函数。接着使用训练数据集`X`和对应的标签`y`进行训练，最后使用训练好的模型对新数据`new_data`进行预测，并输出预测结果。