SVM的原理是什么？

SVM（Support Vector Machine，支持向量机）是最初为二分类设计、在样本间寻找最大间隔分界线的监督学习模型，其核心构成包括最大间隔超平面的求解、关键支持向量与向高维空间的核函数映射，解决的是样本难以线性分开的问题，并不解决大规模样本集训练缓慢的问题。

在机器学习中，SVM 是有监督的学习模型。

什么是有监督学习和无监督学习？

有监督学习：即在已有类别标签的情况下，将样本数据进行分类。

无监督学习：即在无类别标签的情况下，样本数据根据一定的方法进行分类，即聚类。

分类好的类别需要进一步分析后，从而得知每个类别的特点。