鸢尾花数据集多分类器：使用SVM进行分类和评估

该代码主要功能是对鸢尾花数据集进行分类和评估。\n\n首先，代码导入了所需的库和模块，并设置了Matplotlib的参数以正常显示中文标签。\n\n接下来，代码加载了鸢尾花数据集，并将数据集分割为训练集和测试集。\n\n然后，代码创建了三个二分类器（一对一），通过循环遍历鸢尾花数据集中的三种鸢尾花，并使用SVC模型进行训练。训练完成后，将分类器存储在classifiers列表中。\n\n接着，代码使用训练好的分类器对测试集进行预测，并将预测结果存储在predictions列表中。\n\n代码接着打印了每个分类器的预测概率。\n\n然后，代码使用投票的方式对每个样本的预测结果进行最终预测。对于每个样本，统计所有分类器的预测结果中出现次数最多的类别，并将该类别作为最终预测结果。最终预测结果存储在final_predictions列表中。\n\n然后，代码使用classification_report函数计算并打印出分类器的评估报告，包括准确率、召回率和F1值等指标。\n\n接下来，代码使用label_binarize函数将测试集和最终预测结果转换为二进制编码。\n\n然后，代码计算了每个类别的ROC曲线和ROC面积，并将结果存储在字典中。\n\n最后，代码使用Matplotlib绘制了多类别数据的ROC曲线图，并使用Seaborn绘制了混淆矩阵图。