支持向量机（Support Vector Machine，简称 SVM）是一种监督学习算法，主要用于分类和回归问题。它的基本原理是找到一个超平面（在二维空间中是一条直线，三维空间是一个平面，更高维度时称为超平面）来对数据进行分割，使得两个不同类别的数据在该超平面两侧分布尽可能均匀。
SVR 是基于 SVM 的一种扩展方法，用于解决非线性问题。它通过引入核函数（Kernel Function）将原始特征空间映射到高维空间，在高维空间中寻找一个最优的超平面来进行分类或预测。这种方法可以处理更复杂的数据集，特别是当数据不是线性可分时非常有效。