本書旨在解釋使支持向量機(SVMs)成為各種應用的成功建模和預測工具的原理。書中通過展示支持向量機的基本概念,以及近期新發展和當前的研究問題來實現這一目標。本書分析了支持向量機成功的至少三個原因:它們在隻有少量自由參數的情況下很好地學習的能力,它們對幾種類型的模型違反和異常值的魯棒性,最後是它們的計算效率與其他幾種方法進行的比較。目前有很多研究小組正在致力於支持向量機和相關的基於內核的方法。雖然在這些群體之間有許多互動,但本書作者團隊認為各小組之間還可以有更多更有成效的互動,本書亦有助於刺激進一步的研究。本書將許多零散的期刊文獻或仍在審查中的文獻集中起來,更有助於讀者學習和參考。