Python实现支持向量机模型
本代码片段展示了如何使用Python的scikit-learn库构建一个简单的支持向量机（SVM）模型。
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
# 数据集划分
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
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)
# 评估模型
accuracy = accuracy_score(y_test, y_pred)
print(f"模型准确率: {accuracy}")
这段代码首先加载了iris数据集，并将其划分为训练集和测试集。然后，创建了一个线性核函数的SVM模型，并使用训练数据进行训练。最后，使用测试集评估模型的准确率。
注意: 这段代码只是一个简单的示例，实际应用中需要根据具体问题进行参数调整和模型优化。
文件大小：13.66KB
评论区