SVM优缺点

优点：

1. 对高维空间适应良好；
2. 即使在数据维度数比样本数多的情况下也表现良好；
3. 只需训练集的一个子集（支持向量），因此很节约内存；
4. 根据不同的目标可以使用不同的核函数，除了已提供的常用核函数，scikit-learn也支持自定义核函数。

---

缺点：

1. 如果数据的特征数比样本数要多很多，则SVM的表现很差；
2. SVM并不直接提供定量的可能性预计，这些通常通过代价高昂的交叉验证法实现。