支持向量机（Support Vector Machine，SVM）是一种用于分类和回归分析的监督学习模型。它的基本原理是通过找到一个最佳的超平面来实现对数据的分类或回归。在分类问题中，SVM尝试找到一个能够将不同类别的数据分开的超平面，使得两个类别的间隔最大化。在回归问题中，SVM则寻找一个超平面，使得数据点到这个超平面的距离最小。
SVM的特点是可以处理高维数据，适用于小样本数据集，且在处理非线性问题时可以通过核函数将输入数据映射到高维空间进行处理。由于其优秀的泛化能力和较高的准确性，在分类、回归和异常检测等领域都有广泛的应用。
总的来说，支持向量机SVM是一种强大的机器学习算法，通过最大化间隔来实现对数据进行分类或回归分析。
