机器学习算法——支持向量机svm，实现过程

 初学使用python语言来实现支持向量机算法对数据进行处理的全过程。

from sklearn.datasets import load_iris  #导入数据集模块
from sklearn.model_selection import train_test_split #导入数据分割模块
from sklearn.metrics import accuracy_score  # 导入预测结果准确率
from sklearn.metrics import classification_report #导入输出数据集训练报告
 
from sklearn import svm #导入支持向量机模块


#导入数据集
iris=load_iris()
x=iris.data
y=iris.target

#分割数据集
X_train, X_test, y_train, y_test = train_test_split(x, y)

#构造向量机主体
clf=svm.SVC() 
clf.fit(X_train,y_train)


#预测数据集
data_pre=clf.predict(X_test)

#对模型性能进行评估
print (clf.score(X_train, y_train) ) 

#对模型的预测结果准确率进行评估
accuracy_score(clf.predict(X_train), y_train, '训练集')

#同上，对测试集数据进行评估
print (clf.score(X_test, y_test))
accuracy_score(clf.predict(X_test), y_test, '测试集')

#输出测试集评估报告，召回率等指标
print(classification_report(clf.predict(X_test),y_test))