详细描述支持向量机算法

支持向量机（Support Vector Machine，SVM）是一种二分类模型，其基本模型定义为特征空间上的间隔最大的线性分类器，并可通过核技巧进一步扩展到非线性分类器。其核心思想是将数据映射到高维空间中，使得低维空间中线性不可分的数据在高维空间中变成线性可分。

在SVM中，我们寻找一个超平面，这个超平面可以将不同类别的数据点分开，并且能够最大化两个类别之间的间隔。对于非线性可分的数据，我们可以使用核函数将其映射到高维空间中，然后在高维空间中寻找一个超平面。

支持向量机算法的核心是求解最优化问题，通常使用二次规划来求解。同时，支持向量机算法还有很多变种，例如软间隔SVM、多分类SVM等。