svm算法的python代码实现

SVM (支持向量机) 是一种常用的监督学习算法，在Python中可以使用sklearn库来方便地实现。以下是一个简单的线性SVM分类器的代码示例：

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（这里以iris为例）
iris = datasets.load_iris()
X = iris.data
y = iris.target

# 划分训练集和测试集
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42)

# 创建SVM模型，选择线性核函数
svm_model = SVC(kernel='linear')

# 训练模型
svm_model.fit(X_train, y_train)

# 预测
y_pred = svm_model.predict(X_test)

# 计算准确率
accuracy = accuracy_score(y_test, y_pred)
print(f"Accuracy: {accuracy * 100:.2f}%")

# 如果需要，还可以调整参数如C和gamma

如果你想要使用非线性的核函数（比如高斯径向基函数RBF），只需将`kernel='linear'`改为`kernel='rbf'`即可。