1. 支持向量机（SVM）是一种二分类模型，用于研究特征（自变量X）对标签项（因变量Y）的分类作用关系。例如，特征包括身高、年龄等，因变量为“是否吸烟”，分为吸烟和不吸烟两种情况。
2. 当标签项有多个类别时，如“菜系偏好”有八个类别，需要进行多分类决策函数转化，即对每个两两类别建立SVM模型并进行组合使用。
3. 与其他机器学习算法（如决策树、随机森林、贝叶斯）相比，SVM利用运筹规划约束求最优解，此最优解是一个空间平面，可以结合特征项将不同类别完全分开。
4. SVM的计算原理虽复杂，但通俗理解并不难，核心是求解空间平面，以明显区分不同标签项类别。
5. 支持向量机的构建步骤包括数据量纲化、设置训练和测试数据比例、参数调优，以及实现在训练和测试数据上均有良好表现。
6. SPSSAU可以快速进行支持向量机分析。详情
