鸢尾花分类：使用支持向量机实现

要使用支持向量机 (Support Vector Machine, SVM) 完成鸢尾花的分类，可以按照以下步骤进行：

from sklearn.datasets import load_iris
from sklearn.model_selection import train_test_split
from sklearn.svm import SVC
from sklearn.metrics import accuracy_score

# 加载鸢尾花数据集
iris = load_iris()

# 划分数据集为训练集和测试集
X_train, X_test, y_train, y_test = train_test_split(iris.data, iris.target, test_size=0.2, random_state=42)

# 创建SVC模型并进行训练
model = SVC()
model.fit(X_train, y_train)

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

# 计算准确率
accuracy = accuracy_score(y_test, y_pred)
print('准确率：', accuracy)

上述代码中，我们使用 load_iris 函数加载鸢尾花数据集，并将数据集划分为训练集和测试集。然后，我们创建一个 SVC 模型，并使用训练集对其进行训练。接下来，使用训练好的模型在测试集上进行预测，得到预测结果 y_pred。最后，计算预测结果的准确率，并打印出来。

运行上述代码，将输出模型在测试集上的准确率。