svm

支持向量机（SVM）是一种监督学习模型，主要用于分类和回归分析。其核心思想是在特征空间中找到一个最优的超平面，将不同类别的数据点分开，同时最大化两个类别之间的间隔。SVM通过寻找一个最优的分割超平面来实现这一目标，使得该超平面到两类数据点的间隔最大。这个间隔被称为“支持向量”，是决定分类决策的关键数据点。SVM具有较好的泛化能力，能够处理高维数据和非线性问题。在实际应用中，SVM已被广泛应用于文本分类、图像识别、生物信息学等领域。