使用交叉验证法进行分析

将测试组的数据输入模型，进行预测分析。

from sklearn import datasets            #鸢尾花数据集被sklearn的datasets所包含，需要引用
from sklearn.cross_validation import train_test_split
from sklearn.svm import SVC
from numpy import *

iris_dataset = datasets.load_iris();
iris_data = iris_dataset.data;
iris_target = iris_dataset.target;
x_train,x_test,y_train,y_test = train_test_split(iris_data,iris_target,test_size=0.2);
SVC_0 = SVC(kernel='rbf');
SVC_0.fit(x_train,y_train);
predict = SVC_0.predict(x_test);    #使用训练好的模型预测结果
right = sum(predict==y_test);        #将预测结果与实际值比较，并统计数组中True的个数即为正确个数
print("正确率:%f%%"%(right*100.0/predict.shape[0]));    #输出准确率