翻譯自：http://scikit-learn.org/stable/modules/svm.html

支持向量機是一種用于分類，回歸和離群檢測的一種監督學習的方法。

支持向量機的優勢有：

1. 高緯度有效
2. 維度數大于樣點數
3. 。。。

1.2.1 分類

SVM有三種分類模型：SVC(C-Support Vector Classification.),NuSVC(Nu-Support Vector Classification.),LinearSVC(Linear Support Vector Classification).三者有一定差異。

SVC和NuSVC這兩種方法相類似。但是他們接受有些不同的參數集。有不同的數學公式。LinearSVC是另一種支持向量分類的實施方式，它支持線性核函數的輸入。他也相比SVC和NuSVC而言少了一些參量，如support_

這三種分類模型，都是輸入兩個陣列。一個陣列為X，[n_samples,n_features]作為訓練樣本。另一個y（注意是X和y）作為類標簽，size[n_samples].

from sklearn import svmx=[[0,0],[1,1]]y=[0,1]clf=svm.SVC()  #這樣clf就表示SVC訓練算法clf.fit(X,y) #根據特征，進行訓練，提取特征

進行訓練完畢之后，可以進行預測了。

clf.PRedict([[2., 2.]])