支持向量机（SVM）算法：学习分类的强大工具

支持向量机（Support Vector Machine，SVM）是一种常用的机器学习分类算法，它在许多领域中都被广泛应用。SVM算法通过找到一个最优的超平面来将数据分为不同的类别，同时最大化类别间的间隔，从而实现准确的分类。

SVM算法的核心思想是将数据映射到高维空间中，使得数据在新的空间中可以被线性分割。在这个新的空间中，SVM通过寻找一个最优的超平面，将不同类别的数据点分开。超平面是一个具有最大间隔的决策边界，它可以有效地对新的未见数据进行分类。

SVM算法的优势在于它能够处理高维数据和非线性分类问题。此外，SVM还具有良好的泛化能力，可以有效地处理小样本数据集。下面我们将使用Python编写代码来演示SVM算法的应用。

首先，我们需要导入所需的库：

import numpy as np
from sklearn import svm

接下来，我们创建一个示例数据集，其中包含两个类别的数据点。为了简单起见，我们采用二维数据点，每个数据点由两个特征组成。我们将使用Num