SVM 支持向量机是什么

支持向量机（Support Vector Machine, SVM）是一种监督学习模型，特别适用于分类和回归分析任务。它基于找到数据中的最优超平面，这个超平面可以最大化不同类别之间的间隔，即所谓的“最大边距”，从而实现高精度和较好的泛化能力。

SVM的核心思想是将样本映射到高维空间，使得原本线性不可分的数据在高维空间中变得线性可分。通过构建核函数，SVM可以处理非线性的分类问题，而无需显式地进行特征转换。另外，SVM也特别关注支持向量，也就是离决策边界最近的那些训练实例，它们对模型的预测结果影响最大。