10.2
對影象畫素資料集和影象標籤資料集，按80%訓練和20%測試進行隨機劃分，構建支援向量機分類模型，輸出模型的準確率和測試集的預測準確率。
［知識點及要求］基於全畫素特徵的簡單影象識別模型構建
示例程式碼如下：
# -*- coding： utf-8 -*-“”“Created on Tue Feb 9 16：22：12 2021@author： ASUS”“”#1 讀取資料import sklearn。datasetsa=sklearn。datasets。load_digits（）#2 提取資料X=a。dataY=a。target#3 劃分測試集和訓練集from sklearn。model_selection import train_test_splitx_train，x_test，y_train，y_test=train_test_split（X，Y，test_size=0。2，random_state=4）#4構建支援向量機模型from sklearn。svm import SVCclf=SVC（C=1，kernel=‘linear’）clf。fit（x_train，y_train）rv=clf。score（x_train，y_train）print（‘模型準確率：’，rv）#5 預測資料y1=clf。predict（x_test）r=y1-y_test#6 計算預測準確率v=len（r［r==0］）/len（y1）print（‘預測準確率：’，v）
執行結果如下圖：
更多內容請見網易雲課堂Python大資料學習吧：
https://study.163.com/provider/480000002230206/index.htm?share=2&shareId=480000002230206
