第2关：基于全像素特征的手写体图像识别模型

任务描述

对图像像素数据集和图像标签数据集，按80%训练和20%测试进行随机划分，构建支持向量机分类模型，输出模型的准确率和测试集的预测准确率。

编程要求

根据提示，在右侧编辑器补充代码，按照任务要求获取数据，划分数据，利用支持分类向量机输出模型的准确率和测试集的预测准确率。

def return_values():
    import sklearn.datasets
    a=sklearn.datasets.load_digits()
    #2 提取数据
    X=a.data
    Y=a.target
    #3 划分测试集和训练集
    from sklearn.model_selection import train_test_split
    x_train,x_test,y_train,y_test=train_test_split(X,Y,test_size=0.2,random_state=4)
    #4构建支持向量机模型
    import sklearn.svm as svm
    from sklearn.svm import SVC
    clf = svm.SVC(kernel='linear')
    clf.fit(x_train,y_train)
    rv=clf.score(x_train, y_train);
    y1=clf.predict(x_test)
    r=y1-y_test
    v=len(r[r==0])/len(y1)
    return (rv,v)
#********** End **********#