机器学习中的支持向量机（SVM）是一种强大的分类算法。在这个教程中，我们将学习如何在 Python 中使用 SVM 进行分类。
简介
SVM 是一种监督学习算法，它通过找到一个超平面来将数据点分成不同的类别。SVM 的目标是最小化决策边界到最近的错误数据点的距离。
安装必要的库
在使用 SVM 之前，我们需要安装一些 Python 库，例如 scikit-learn。以下是如何安装 scikit-learn 的命令：
pip install scikit-learn
数据准备
在使用 SVM 之前，我们需要准备一些数据。以下是一个简单的数据集，包含两个类别：
from sklearn import datasets
iris = datasets.load_iris()
X = iris.data
y = iris.target
创建 SVM 模型
接下来，我们创建一个 SVM 模型：
from sklearn import svm
clf = svm.SVC(kernel='linear')
训练模型
现在我们可以使用我们的数据来训练 SVM 模型：
clf.fit(X, y)
预测
一旦我们的模型被训练，我们就可以使用它来预测新的数据：
new_data = [[5.1, 3.5, 1.4, 0.2]]
prediction = clf.predict(new_data)
print(prediction)
图像示例
以下是一个 SVM 分类的图像示例：
更多资源
想要深入了解 SVM？可以查看我们的 SVM 深入学习教程。
抱歉，您的请求不符合要求