例子摘自李航老師的《統計學習方法》，公式參考西瓜書或者《統計學習方法》
例：
已知一個如圖所示訓練集，正例點是x1 = (3,3)，x2 = (4,3)，反例點是x3 = (1,1)，試求最大間隔分離超平面。
解：
以上是直接帶入公式的求解過程，如果使用python和庫函數來計算模型參數，將會方便很多，因爲不涉及向高維轉換，所以使用線性核即可。
from sklearn.svm import SVC
import numpy as np
data = {
"X": np.array([[3, 3], [4, 3], [1, 1]]),
"y": np.array([1, 1, -1])
}
# 如果採用高斯核，將對結果產生影響
svc = SVC(kernel="linear")
svc.fit(X=data["X"], y=data["y"])
# 輸出支持向量
print("support vector:", svc.support_vectors_)
# dual_coef_存儲α * y的值
a_y = svc.dual_coef_
# 類標
y = np.array([data["y"][svc.support_]])
print("支持向量的類標", y)
# 拉格朗日系數α
a = np.multiply(a_y, y)
print("支持向量的拉格朗日系數", a)
結果：
support vector: [[1. 1.]
[3. 3.]]
支持向量的類標 [[-1 1]]
支持向量的拉格朗日系數 [[0.25 0.25]]
其實"dual_coef_"就是"ai*yi" 的集合，即：
