Python 使用SVM对5维数据集进行分类的示例？

我试图在网上找到一个，但失败了。5D数据集是这样的列表列表

[[0,0,0,1,0]，
[0,0.5,0.5,0,0],
[0,0.33333,0.33333,0.33333,0],
[1,0,0,0,0],
......]

---

谢谢。

您可以提供完整的数据和标签吗？有了所需的数据，您的答案将在不到一分钟内准备好

#从svm导入numpy和SVC
将numpy作为np导入
从sklearn.svm导入SVC
#示例数据和标签（可以替换为数据和标签）。
X=np.数组（[[-1，-1]，-2，-1]，[1,1]，[2,1]]
y=np.数组（[1,1,2,2]）
#建立支持向量机模型
clf=SVC（gamma='auto'）
#培训模式
clf.配合（X，y）
#使用上述模式进行预测（您可以替换为具有5维的测试数据）。
打印（clf.predict（[-0.8，-1]]））

在我看来，该列表类似于输入数据，但我看不到每个点的标签/类。您计划如何在没有类的情况下对一组点进行分类？对于监督学习，您需要一个带标签的数据集。我确实准备了标签，我刚才没有包括问题中的标签，标签的格式为[“xxxxx”、“xxxxx”、…]，我还有标签和上面列表的组合数据集。