支持向量机 SVM 是建立一个超平面作为决策平面，以分开正例和反例的犯法，是在分类与回归等过程中处理数据的监督是学习方法。
支持向量机在高维或无线维空间中构造超平面及集合，后进行分类、回归或其他任务，直观来看，分类边界距离最近的训练数据点越远越好，因为这样可以缩小分类器的泛化误差。
SVM 是一种二分类模型，可定义为特征空间上间隔最大的线性分类器，学习策略是间隔最大化，一般可转化为凸二次规划问题求解。