支持向量机（Support Vector Machine，SVM）是一种二分类模型，同时也可用于多分类任务。它的基本思想是找到一个最优超平面，能够将不同类别的样本完美分开。通过引入核函数，SVM能够处理非线性分类问题，并取得了广泛的应用。

优点：SVM具有良好的泛化能力和较强的鲁棒性，对于处理高维度数据和小样本问题表现出较好的效果。在模式识别、文本分类、图像分割等领域有广泛应用。

缺点：SVM对大规模训练数据的计算复杂度较高，对于噪声较多的数据表现较差。

应用：支持向量机广泛应用于人脸识别、股票预测、医学诊断、文本分类、图像识别等多个领域。

总结：支持向量机作为一种强有力的机器学习算法，在各种领域中有着广泛的应用前景。