机器学习项目五：支持向量机（概念题+实操[附代码]）

1.项目代码题 

sklearn库有自带的数据集，sklearn.datasets.load_iris()可加载得到鸢尾花数据集。利用支持向量机算法实现对鸢尾花分类模型的构建及模型性能的基本评估。

# 导入必要的库  

from sklearn.datasets import load_iris        # 从scikit-learn中导入load_iris数据集

from sklearn.svm import LinearSVC         # 从scikit-learn中导入LinearSVC支持向量机模型

from sklearn.model_selection import train_test_split         # 从scikit-learn中导train_test_split用于数据集划分

# 载入鸢尾花数据集 

iris = load_iris()

# 将数据集划分为训练集和测试集，其中测试集占总数据集的20%  

data_tr, data_te, label_tr, label_te = train_test_split(iris.data, iris.target, test_size=0.2)

# 创建LinearSVC模型并在训练集上拟合

model = LinearSVC().fit(data_tr, label_tr)

# 使用训练好的模型进行预测

pre = model.predict(data_te) 

# 计算测试集的准确率（Accuracy）