使用python 构建SVM分类器
# 加载示例数据集(例如鸢尾花数据集)
iris = datasets.load_iris()
X = iris.data
y = iris.target
# 划分数据集为训练集和测试集
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42)
# 创建 SVM 分类器
model= SVC(kernel='linear', C=1.0)
# 训练分类器
model.fit(X_train, y_train)
# 保存模型
joblib.dump(model, 'svm_model.pkl') #(model, 保存的路径)
# 使用训练好的分类器进行预测
y_pred = svm_model.predict(X_test) #可以一次性输入多个instances, 得到一组lable
# 计算准确率
accuracy = accuracy_score(y_test, y_pred)
print("Accuracy:", accuracy)
更多内容参考:https://blog.csdn.net/weixin_43955530/article/details/88817675