支持向量機
支持向量機（Support Vector Machine, SVM）是一種監督學習下的機器學習模型，主要用於數據的二元分類。其原理可以概括為：
SVM通過找到一個最佳分隔線或分隔面，使得兩邊的樣本都離這個界面足夠遠。這條界線被稱為最大間隔超平面，能夠最大化分類邊界與最近類別的距離。
線上性可分的情況下，SVM直接在原空間中尋找最優分類超平面。線上性不可分的情況下，SVM可以通過引入核技巧將低維空間的樣本映射到高維空間，使其變得線性可分，然後在新的特徵空間中尋找最優分類超平面。
SVM的學習策略是間隔最大化，這可以形式化為一個凸二次規劃問題，也等價於正則化的合頁損失函式的最小化問題。這使得SVM能夠學習到具有稀疏性和穩健性的分類器。
SVM在機器學習和數據挖掘領域被廣泛套用，特別是在處理高維數據和複雜分類問題時表現出色。