搬瓦工中文网
支持向量机（Support Vector Machine，常简称为SVM）是一种监督式学习的方法，可广泛地应用于统计分类以及回归分析。它是将向量映射到一个更高维的空间里，在这个空间里建立有一个最大间隔超平面。在分开数据的超平面的两边建有两个互相平行的超平面，分隔超平面使两个平行超平面的距离最大化。假定平行超平面间的距离或差距越大，分类器的总误差越小。
算法优点：
（1）使用核函数可以向高维空间进行映射
（2）使用核函数可以解决非线性的分类
（3）分类思想很简单，就是将样本与决策面的间隔最大化
（4）分类效果较好
算法缺点：
（1）SVM算法对大规模训练样本难以实施
（2）用SVM解决多分类问题存在困难
（3）对缺失数据敏感，对参数和核函数的选择敏感
