手写体识别：使用支持向量机 (SVM) 实现数字识别

下面是一个使用支持向量机 (SVM) 进行手写体识别的示例程序：

import numpy as np
from sklearn import datasets
from sklearn.model_selection import train_test_split
from sklearn.svm import SVC

# 加载手写体数字数据集
digits = datasets.load_digits()
X = digits.data
y = digits.target

# 将数据集拆分为训练集和测试集
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42)

# 创建支持向量机分类器
svm = SVC()

# 在训练集上训练支持向量机模型
svm.fit(X_train, y_train)

# 在测试集上进行预测
y_pred = svm.predict(X_test)

# 计算分类准确率
accuracy = np.mean(y_pred == y_test)
print('准确率：', accuracy)

这个示例使用 scikit-learn 库来实现支持向量机 (SVM) 进行手写体识别。首先，我们加载手写体数字数据集 (digits)。然后，将数据集拆分为训练集和测试集。接下来，我们创建一个 SVC 对象 (支持向量机分类器)。然后，使用训练集对 SVM 模型进行训练。最后，我们在测试集上进行预测，并计算分类准确率。

请确保已经安装了 scikit-learn 库，并且已经导入所需的模块。另外，你还可以进一步优化模型参数、进行特征提取和数据预处理等步骤，以提高手写体识别的准确率。