支持向量机（SVM）：线性模型还是非线性模型？

是的，支持向量机（Support Vector Machine，SVM）既可以是线性模型，也可以是非线性模型。

当SVM被用作线性模型时，它寻求一个线性决策边界，将不同类别的样本点分隔开。这意味着在特征空间中，SVM使用一个超平面来进行分类。

然而，在实际应用中，数据往往不能被简单地用一个线性超平面分开。为了处理非线性情况，SVM可以通过使用核函数（kernel function）来将数据映射到高维特征空间。在高维特征空间中，SVM寻求一个线性决策边界，从而在原始特征空间中实现非线性的分类。

通过使用不同的核函数，如多项式核函数、高斯核函数等，SVM可以处理各种复杂的非线性分类问题。

因此，SVM既可以是线性模型，也可以是非线性模型，取决于所使用的特征空间和核函数的选择。