支持向量机（support vector machine,简称 SVM）是一种基于统计学习理论的监督学习模型，它的工作原理是通过构建一个合适的函数来拟合训练数据集中的每个示例，从而完成分类任务。SVM利用数据的多维特征来学习训练集中不同类别的示例，从而在训练集上学习支持向量，以找到最优的分类边界。当新的数据点到达时，SVM可以将其正确分类，从而达到监督学习的目的。 SVM的特点： （1）SVM是一种属于机器学习中的监督学习方法，具有良好的泛化能力和鲁棒性； （2）SVM可以解决线性可分和非线性可分问题； （3）SVM可以解决高维度数据分类问题。 拓展知识：SVM的一个重要的应用是文本和自然语言处理（NLP），其中最常用的是词义和谓词检查，SVM可以帮助我们正确识别文本中的词汇意思。