机器学习，模型——SVM

1.思想

该分类器的基本策略是保证不同类别的数据具有最大的分类间隔。

2.特点+适用条件

由于这类求间隔最大化的问题往往可以转化为凸二次规划问题, 因此与神经网络、随机森林和决策树等工具相比，SVM 可以在数据量较少的情况下快速得到需要的分类器，这一特性降低了数据积累的要求，同时减少了人工设置标签的工作量。

当数据在低维空间不可分时，通过核函数映射可以将分类问题转化为求取高维空间分离超平面的问题。

可以应用于分类或回归问题。

3.原理

 

4.代码