支持向量机的实现（涵盖线性核函数和高斯核函数）及利用SVM进行垃圾邮件分类的过程（MATLAB）

简介：
本项目使用MATLAB实现支持向量机算法，并应用线性核函数与高斯核函数对数据进行训练，最终通过SVM模型完成垃圾邮件的自动分类。 支持向量机（SVM）是一种用于二分类问题的模型。它将数据实例转化为高维空间中的点，并尝试找到一条最佳分割线来区分这两类点，以便对未来的未知数据进行准确分类。由于其在处理中小型样本、非线性和高维度特征方面的优势，SVM 在机器学习领域中备受推崇。 支持向量机的概念最早是由 Vladimir N. Vapnik 和 Alexey Ya. Chervonenkis 在1963年提出的，而现代版本的 SVM（即软间隔 SVM）则是在1993年由 Corinna Cortes 和 Vapnik 提出，并在1995年正式发表。直到深度学习技术于2012年兴起之前，SVM 被认为是过去十几年中机器学习领域最成功且性能最佳的算法之一。