概述：

SVM支持向量机是最常用的机器学习分类算法之一，属于有监督学习。这种算法的本质是对数据进行二元线性分类，这种特点和其算法原理有直接关系，通俗来说SVM支持向量机在单一计算周期中只能将数据分成两类并且分隔的手段都表现为线性特征，如对于二维空间内的分隔为线，三维空间内为平面，更高维度的称为超平面。

算法原理：

1、通过散点图观察数据的分布情况，因为是一个二分类问题所以例子中的数据只有蓝色和红色两个类别

2、对数据进行二分类的话可以发现能够找到无数种分隔方式



3、既然分隔方式有无数种，SVM支持向量机算法的意义就在于通过计算来确定一个最优化的分隔方式，根据SVM算法原理中分隔的手段都表现为线性的特点，二维空间的分隔为线、三维空间的分隔为平面、更高维度的为超平面（不可见），因此算法在计算分隔方式的时候本质就是计算最优的分隔线、分隔平面和分隔