写一个支持向量机的代码

当然，我可以为你提供一个简单的支持向量机（Support Vector Machine，SVM）的代码示例。以下是一个使用Python和Scikit-learn库实现的基本SVM分类器。

# 导入所需的库
from sklearn import datasets
from sklearn.model_selection import train_test_split
from sklearn.svm import SVC
from sklearn.metrics import accuracy_score

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

# 将数据集划分为训练集和测试集
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42)

# 创建SVM分类器对象，并指定参数
svm = SVC(kernel='linear')

# 在训练集上训练模型
svm.fit(X_train, y_train)

# 在测试集上进行预测
y_pred = svm.predict(X_test)

# 计算准确率
accuracy = accuracy_score(y_test, y_pred)
print("准确率：", accuracy)

以上代码演示了如何使用SVM对鸢尾花数据集进行分类。你可以根据自己的需求调整参数和使用其他数据集来实现更复杂的分类任务。