sklearn SVM的应用-山鸢花分类python代码

'''
导入sklearn自带数据集：山鸢鸟数据集
数据集包括 150 条鸢尾花的四个特征 (萼片长/宽和花瓣长/宽) 和三个类别。
是从 csv 文件读取的，本工程从 Sklearn 里面的 datasets 模块中引入，代码如下：
'''

from sklearn.datasets import load_iris
iris = load_iris()
import numpy as np
import matplotlib.pyplot as plt
'''
导入需要的包机器学习中 
from sklearn.cross_validation import train_test_split出错
解决方法：
from sklearn.model_selection import train_test_split
原因：
cross_validation 里面的函数都放在 model_selection 里面了
'''
from sklearn.svm import SVC
from sklearn.model_selection import train_test_split
from sklearn.metrics import classification_report

#x = iris.data[:,] #取所有特征列;特征值矩阵；
x = iris.data[:, 2:4] #取特征的后两个；如需要画图，用这一行；
y = iris.target[:] #标签列
#print(x)
#print(y)
'''
划分测试集及训练集
test_size：float or int, default=None
测试集的大小，如果是小数的话，值在（0,1）之间，表示测试集所占有的比例；
如果是整数，表示的是测试集的具体样本数；
如果train_size也是None的话，会有一个默认值0.25
shuffle：布尔值，可选（默认值=True）默认洗牌;
'''
train_x