svm

支持向量机(Support Vector Machine)是Cortes和Vapnik于1995年首先提出的，现已被认为是最好的分类算法之一。它在解决小样本、非线性及高维模式识别中表现出许多特有的优势，并能够推广应用到函数拟合等其他机器学习问题中。SVM使用训练实例的一个子集来表示决策边界，这个子集就是所谓的支持向量(support vector)。

svm()基础语法如下：

svm(formula, data)

以下是使用的参数的描述：

1. formula：描述预测变量和响应变量的公式。

2. data：使用的数据集的名称。