我在python中使用svc module from scikit-learn。由于数据变化很小，我读到我应该使用缩放器功能
self._cSvmRct = make_pipeline(StandardScaler(), svm.SVC(kernel = "linear"))
现在，我适合以下训练数据（单个功能）：
[0.008947493096609246, 0.010147809446585707, 0.010295042153600269, 0.011627154769046355, 0.011943291077296712, 0.01171181740900724, 0.011927386132246972, 0.01213690299632737, 0.012039165086773735]
索引0到2是1类，索引3到8是-1类。根据我的理解，应将最大数量的1类和最小数量的-1类用作支持向量。而是有4个支持向量[3,5,1,2]。
对于线性内核中的单个特征数据，甚至有可能超过2个SV？是参数选择还是定标器功能的问题？