对于上面的肿瘤预测，可以有多个不同的直线用于分类。支持向量机会根据训练样本的分布，搜索所有可能的线性分类器中最佳的一个。这里使用支持向量机处理手写体数字图片。

加载手写体数据集

from sklearn.datasets import load_digits
digits = load_digits()
digits.data.shape

分割数据集

from sklearn.cross_validation import train_test_split
X_train, X_test, y_train, y_test = train_test_split(digits.data, digits.target, test_size=0.25, random_state=33)

对训练数据和测试数据标准化

from sklearn.preprocessing import StandardScaler
ss = StandardScaler()
X_train = ss.fit_transform(X_train)
X_test = ss.transform(X_test)

训练、预测

from sklearn.svm import LinearSVC
lsvc = LinearSVC()
lsvc.fit(X_train, y_train)
y_predict = lsvc.predict(X_test)

使用模型自带的评估函数进行准确性测评

print('The Accuracy of Linear SVC is', lsvc.score(X_test, y_test))

对预测结果做更详细的分析

from sklearn.metrics import classification_report
print(classification_report(y_test, y_predict, target_names=digits.target_names.astype(str)))