SVM重复样本点会改变判断结果嘛

这是一道在面试中被问到的题目，比较晕，今天做了实验只是get了结果先记录一下，具体原因探索清楚再补充
【问题】

1. 当样本点整体copy一份会改变SVM的预测吗
2. 仅正/负样本点整体copy一份会改变SVM的预测吗

【实验】

```python
from sklearn import svm
 
# 测试数据
X = [[-2, 0], [0, 0], [0, 1], [1, 0]]  # training samples 
y = [0, 0, 1, 1]  # training target

# 线性SVM
sv = svm.SVC(kernel='linear')  # class 
sv.fit(X, y)  # training the svc model
# 支持向量
data3=sv.support_vectors_
print(data3)

#画分类线图，支持向量机
import numpy as np
import matplotlib.pyplot as plt
#正样本 & 负样本
data1 = np.asarray(X)[np.nonzero(np.asarray(y) > 0)[0], :]
data2 = np.asarray(X)[np.nonzero(np.asarray(y) <= 0)[0], :]
plt.plot(np.asarray(data1)[:, 0], np.asarray(data1)[:, 1], 'ro')
plt.plot(np.asarray(data2)[:, 0], np.asarray(data2)[:, 1], 'bo')
plt.plot(np.asarray(data3)[:, 0], np.asarray(data3)[:, 1], 'xk')
x = np.arange(-3.0, 3.0, 0.1)
w1 = sv.coef_[0, 0]
w2 = sv.coef_[0, 1]
y = (w1 * x + sv.intercept_) / (-w2)
print(w1 / (-w2), sv.intercept_/ (-w2))
plt.plot(x, y,'black')

结果：四个点都是支持向量，y=-x - 0.5

改变Xy为所有数值均copy

X = [[-2, 0], [0, 0], [0, 1], [1, 0], [-2, 0], [0, 0], [0, 1], [1, 0]]
y = [0, 0, 1, 1, 0, 0, 1, 1] 

此时结论为：支持向量是[[0. 0.] [0. 0.] [0. 1.] [1. 0.]]， y=-x

再次改变Xy为only负样本copy

X = [[-2, 0], [0, 0], [0, 1], [1, 0], [-2, 0], [0, 0]]
y = [0, 0, 1, 1, 0, 0] 

此时结论为：支持向量是[[0. 0.] [0. 0.] [0. 1.] [1. 0.]]， y=-x+0.5

再次改变Xy为only正样本copy

X = [[-2, 0], [0, 0], [0, 1], [1, 0], [0, 1], [1, 0]]  
y = [0, 0, 1, 1, 1, 1] 

此时结论为：支持向量是[[-2. 0.] [0. 0.] [0. 1.] [1. 0.]]， y=-x-0.5，和原始未copy一致

【分析】
待思考补充