svm是什么分类器?

SVM是一种支持向量机分类器，通过寻找最佳分隔超平面来区分不同类别。它将数据点映射到高维空间，找到最大间隔的分界线。SVM能处理线性与非线性问题，常用核函数如多项式或径向基函数。它在文本分类、图像识别中应用广泛，对小样本数据表现优异。SVM还能通过调整参数控制模型复杂度，避免过拟合。

SVM的核心优势

SVM的间隔最大化特性使其分类精度高，对异常值不敏感。核技巧让它在非线性问题上表现突出，无需显式计算高维坐标。SVM通过惩罚系数平衡分类间隔与错误率，适合高维数据。它在生物信息学、金融风控等领域常用于二分类或多分类任务。SVM的决策边界由支持向量决定，计算效率较高。