补充代码，实现支持向量机的案例
在本次应用案例中，通过比较预测值与真实值来统计预测正确的数目，具体实现如下：
cnt = 0 //初始化为零
for i in range(len(y_test)): //通过循环来遍历寻找预测正确的数目
if y_predict[i] == y_test[i]:
cnt +=1
print(cnt/len(y_predict)) //由预测正确的数目除以总数目得到准确率accuracy
from sklearn import svm # 加载sklearn库来调用svm算法
from sklearn.datasets import load_iris #加载sklearn库中的数据集
from sklearn.model_selection import train_test_split #划分测试集训练集
#1.加载数据集
################# Begin #################
################# End #################
data_x = datas.data #定义数据
data_y = datas.target #定义标签
#2.划分训练集和测试集
################# Begin #################
################# End #################
#3.调用svm函数
################# Begin #################
################# End #################
clf = clf.fit(x_train,y_train) #开始训练svm模型
a = clf.predict(x_test) #开始测试
cnt = 0
for i in range(len(y_test)): #评价预测的结果
if a[i] == y_test[i]:
cnt +=1
print(cnt/len(a))