支持向量机（Support Vector Machine，简称SVM）是目前机器学习中应用最广泛的算法之一，其主要用于分类工作。
SVM可以通过自动搜索和检测具有最大可分性的超平面来达到极高的分类准确度。它们在训练数据中利用核函数来无损地扩大数据空间，把非线性可分的高维特征空间映射到更高的维度，从而实现对线性可分的数据空间实现更为精准的分类。
最大问题是如何找到最优分类超平面，而这正是svm训练算法能够解决的主要任务。它采用了最小二乘法、凸优化算法和回归方法等算法，结合核函数优化和选择正则化参数等技术，确定分类函数、样本间距离以及决策空间的实际边界。
SVM使用了一种比较高级的数学算法，能够让模型具有较强的泛化能力，而且具有较高的分类准确率和抗噪声能力，能非常好地扩展到大规模数据上，因而得到了广泛的应用。如新闻文本分类、垃圾邮件识别、人脸识别、股票市场分析等均可以利用SVM训练算法实现。
总而言之，SVM训练算法是目前机器学习中最为常用的算法之一，它能够通过最小二乘法、凸优化算法和核函数的优化技术，确定分类函数以及决策空间的实际边界，帮助机器达到更加精准的分类。
