自定义数据集 使用scikit-learn中svm的包实现svm分类

代码：

import numpy as np  # 导入用于数值计算的库
import matplotlib.pyplot as plt  # 导入用于绘图的库

# class1_points 和 class2_points 分别定义了两个类别的数据点，二维坐标
class1_points = np.array([[1.9, 1.2],
                          [1.5, 2.1],
                          [1.9, 0.5],
                          [1.5, 0.9],
                          [0.9, 1.2],
                          [1.1, 1.7],
                          [1.4, 1.1]])

class2_points = np.array([[3.2, 3.2],
                          [3.7, 2.9],
                          [3.2, 2.6],
                          [1.7, 3.3],
                          [3.4, 2.6],
                          [4.1, 2.3],
                          [3.0, 2.9]])

# 将 class1 和 class2 的 x 和 y 坐标合并为一个数据集
x1_data = np.concatenate((class1_points[:, 0], class2_points[:, 0]))  # 所有的 x1 坐标
x2_data = np.concatenate((class1_points[:, 1], class2_points[:, 1]))  # 所有的 x2 坐标

# 创建标签，class1 点标记为 1，class2 点标记为 -1
y = np.co