尚無標記。
SVM為在機械學習領域下的一環，主要用來分類(Classification)以及回歸(Regression)，屬於一種監督式學習。監督式學習是一種機械式學習的技巧，可以藉由訓練的資料建立一個模式(function)，並由此模式推測出新的實例，訓練資料是由輸入物件(向量)和預期輸出所組成。
簡而言之，SVM通常最常用的是拿來做分類，而如果我有一堆已經分類好的東西（可是分類的依據是未知的）當收到新的東西時，SVM可以預測新的資料要分到哪一堆去。而在實驗室中，我透過由台大老師林智仁所發展的libsvm來學習，可以更快速了解ＳＶＭ究竟怎麼運作，以下為實作範例：
首先在黑色的程式畫面中點出三種類別的資料
跑出結果很完美地被分為三個區塊。
如果我們用比較混亂的資料來分布在程式內呢？
由此簡單圖例，即可大概了解SVM分類之過程。
