Machine learning 最大支持向量

我最近在研究支持向量机和支持向量机。例如，如果我在一个有n个数据的二维分类问题中选择硬线性支持向量机，那么结果是k=2支持向量。如果我在以前的数据中添加另一个标记数据并重新训练SVM。SV的最大数量是多少

---

我认为N+1。但我需要一些证据。有人帮忙吗？

支持向量的数量没有上限，整个数据集都可以选择为支持向量。证明相当简单（即：留给读者作为练习）

假设N是训练集的大小，并且假设所有训练集都可以选择为支持向量，那么N是该特定场景中SV的最大数量

---

您可能还想看看这个：

在我的示例中，最大值是n+1？正如我所说的，没有最大值。你的问题的规模无关紧要。数据点的数量无关紧要。这很容易证明。你能暗示一下吗？我所有的问题都与问题的第二部分有关。对于N个数据，我们有k=2个支持向量，通过添加一个数据并重新训练SVM，所有数据（N+1）可能是SV？真奇怪！！。我已经给了你一个很大的提示，这个问题很小。我不想再多说了，因为这好像是家庭作业。是的，即使只是添加一个基准也会导致所有点成为SVs。另一个问题是，它与VC尺寸有关？可以可视化任何图形示例吗？当n数据变为SV时？例如n=4或n=7？@user3677661这不准确（特别是第四个exmaple），但我想你会明白的。。。