为什么线性可分数据集中SVM的模型，结果会至少有2个以上的支持向量？
答：SVM是一个二分类模型，在线性可分的数据集中会通过硬间隔最大化，学习一个分离超平面的线性分类器。在wx+b=0这个分割超平面两边，我们一般设距离这个分割超平面距最近的点为我们的支持向量，在SVM中支持向量到超平面的函数距离一般设置为1，因此wx+b=0这个分割超平面两边存在另外两个超平面wx+b=1、wx+b=-1；在这两个超平面上的样本就是我们的支持向量，并且一个超平面上至少存在一个点；因此在线性可分数据集中SVM模型的结果会出现至少有两个以上的支持向量。