支持向量機（support vector machine,簡稱 SVM）是一種基于統計學習理論的監督學習模型，它的工作原理是通過構建一個合適的函數來擬合訓練數據集中的每個示例，從而完成分類任務。SVM利用數據的多維特征來學習訓練集中不同類別的示例，從而在訓練集上學習支持向量，以找到最優的分類邊界。當新的數據點到達時，SVM可以將其正確分類，從而達到監督學習的目的。 SVM的特點： （1）SVM是一種屬于機器學習中的監督學習方法，具有良好的泛化能力和魯棒性； （2）SVM可以解決線性可分和非線性可分問題； （3）SVM可以解決高維度數據分類問題。 拓展知識：SVM的一個重要的應用是文本和自然語言處理（NLP），其中最常用的是詞義和謂詞檢查，SVM可以幫助我們正確識別文本中的詞匯意思。