支持向量机（Support Vector Machine，SVM）是一种基于统计学习理论的分类算法，它通过建立一个超平面或多个超平面来进行分类或回归，具有较高的准确性和可靠性。
SVM的特点是可以解决高维数据和非线性分类问题，并且具有良好的泛化性能。其核心思想是找到一个能够将不同类别的数据分开的超平面，使得各个数据点到超平面的距离最大化（最大间隔），并且在最大间隔的同时不误分类任何数据点。
SVM可以用线性核函数、多项式核函数、径向基函数等不同的核函数来处理不同类型的数据，并且可以通过交叉验证等方法进行参数调整，以达到更好的分类效果。
除了分类问题，SVM还可以用于回归问题，此时它将寻找一个能够最大化预测值与真实值之间的间隔的超平面，同时允许一定的误差。
总之，SVM是一种十分重要的机器学习算法，应用广泛，具有很高的分类和预测性能。