支持向量機(jī)（support vector machine,簡稱 SVM）是一種基于統(tǒng)計學(xué)習(xí)理論的監(jiān)督學(xué)習(xí)模型，它的工作原理是通過構(gòu)建一個合適的函數(shù)來擬合訓(xùn)練數(shù)據(jù)集中的每個示例，從而完成分類任務(wù)。SVM利用數(shù)據(jù)的多維特征來學(xué)習(xí)訓(xùn)練集中不同類別的示例，從而在訓(xùn)練集上學(xué)習(xí)支持向量，以找到最優(yōu)的分類邊界。當(dāng)新的數(shù)據(jù)點(diǎn)到達(dá)時，SVM可以將其正確分類，從而達(dá)到監(jiān)督學(xué)習(xí)的目的。 SVM的特點(diǎn)： （1）SVM是一種屬于機(jī)器學(xué)習(xí)中的監(jiān)督學(xué)習(xí)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(shù)據(jù)分類問題。 拓展知識：SVM的一個重要的應(yīng)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。