python svm例子

以下是一个使用Python的SVM算法进行二分类问题求解的例子：

import sklearn
from sklearn import datasets
from sklearn import svm
import numpy as np

# 加载数据集
iris = datasets.load_iris()
X = iris.data
y = iris.target

# 创建SVM分类器
clf = svm.SVC()

# 拟合模型
clf.fit(X, y)

# 预测新样本
new_samples = np.array([[5.1, 3.5, 1.4, 0.2], [6.2, 2.9, 43, 1.3], [7.3, 2.8, 6.4, 2.0]])
predictions = clf.predict(new_samples)

# 打印预测结果
for i, prediction in enumerate(predictions):
    print("样本", i+1, "的预测结果为:", iris.target_names[prediction])

这个例子使用了sklearn和numpy两个库作为基础依赖，通过SVM算法实现了对鸢尾花数据集的二分类问题求解。首先，我们加载了鸢尾花数据集，然后创建了一个SVM分类器。接下来，我们使用拟合方法拟合模型，并使用新样本进行预测。最后，我们打印出预测结果。