支持向量机是一种

二分类模型，它的目标是找到一个最优的超平面（或者说是一个分割线），将不同类别的数据分开。在支持向量机中，我们将数据点映射到高维空间，然后寻找一个超平面来分割数据。这个超平面的选择是基于一些特定的准则，例如最大化间隔（即找到最宽的分割带），最小化分类错误率，或者是通过引入松弛变量来允许一些数据点被分类错误。支持向量机可以通过核函数来处理非线性分类问题。它的优点包括：可以处理高维数据和非线性数据；能够找到最优的分类超平面；泛化能力强。缺点是：对于大规模数据训练时间较长；对于某些问题需要手动选择核函数和其参数。