Python实例：支持向量机算法初探

支持向量机（Support Vector Machine，SVM）是一种常用的监督学习算法，被广泛应用于分类和回归问题。它的主要思想是通过找到一个最优的超平面，将不同类别的样本点分隔开，从而实现分类的目标。本文将介绍如何使用Python实现支持向量机算法，并提供相应的源代码。

首先，我们需要准备数据集。在本例中，我们使用一个经典的鸢尾花数据集（Iris dataset）。该数据集包含了150个样本，分为三个类别：Setosa、Versicolor和Virginica。每个样本由四个特征组成：花萼长度（sepal length）、花萼宽度（sepal width）、花瓣长度（petal length）和花瓣宽度（petal width）。

# 导入所需的库和模块
from sklearn import datasets
from sklearn.model_selection import train_test_split
from sklearn.svm