作业：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？
支持向量机的分类方法，是在这组分布中找出一个超平面作为决策边界，是模型在数据上的分类误差尽量接近于小，尤其是在未知集上的分类误差尽量小，决策边界一侧的所有点分类为属于一个类，而另一侧的所有点分类属于另一个类。对于线性可分数据集，如果把数据当作我们的训练集，只要直线的一边只有一种类型的数据，就没有分类错误，我们的训练误差就为0。而对于一个数据集来说，让训练误差为0的决策边界可以有无数条。