在Scikit-learn中，支持向量機模型可以通過svm模塊中的SVC類來實現。下面是一個簡單的示例代碼：
from sklearn import svm
from sklearn import datasets
from sklearn.model_selection import train_test_split
from sklearn.metrics import accuracy_score
# 加載示例數據集
iris = datasets.load_iris()
X = iris.data
y = iris.target
# 將數據集分為訓練集和測試集
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2)
# 創建支持向量機模型
model = svm.SVC()
# 在訓練集上訓練模型
model.fit(X_train, y_train)
# 在測試集上進行預測
y_pred = model.predict(X_test)
# 計算準確率
accuracy = accuracy_score(y_test, y_pred)
print("準確率：", accuracy)
在上面的示例中，首先加載了一個示例數據集（鳶尾花數據集），然后將數據集分為訓練集和測試集。接著創建了一個支持向量機模型，并在訓練集上訓練模型。最后在測試集上進行預測并計算準確率。
除了SVC類，Scikit-learn還提供了其他支持向量機模型的實現，例如NuSVC、LinearSVC等，可以根據具體需求選擇合適的模型。
