R: 支持向量机（Support Vector Machine，简称SVM）

在数据科学和机器学习领域中，支持向量机（Support Vector Machine，简称SVM）是一种强大的监督学习算法，常用于分类和回归分析。它的优点之一是可以适用于复杂的数据集，并且在高维空间中表现良好。在本文中，我们将使用R语言和一些R自带的数据集来介绍如何使用支持向量机进行建模和模型评价。

1. 准备数据

首先，让我们选择一个适合的数据集。在R中，有许多自带的数据集可供使用。我们选择一个相对复杂的数据集，以便更好地展示支持向量机的应用。

我们选择的数据集是iris，它包含了鸢尾花的测量数据。这个数据集有四个特征：花萼长度、花萼宽度、花瓣长度和花瓣宽度，并且有三种不同的鸢尾花品种：Setosa、Versicolor和Virginica。

# 加载iris数据集data(iris)

2. 划分数据集

在开始建模之前，我们需要将数据集划分为训练集和测试集。训练集用于训练模型，测试集用于评估模型的性能。

# 设置随机种子，确保结果可重复set.seed(123)# 划分数据集为训练集和测试集train_index