关于参数C的设置

来源：11-4 scikit-learn中的SVM

儒将肚甫

2019-12-23

图片描述
波波老师您好，不好意思又打扰您了。继续请教您几个问题
首先理解是否正确：上面式子中，x(i)是某一个支持向量、WT是权重参数、b是偏置、y(i)是标签参数。
如果每个训练样本提取了13个特征向量，那x(i)就是13维的，WT就是13维的，y(i)就是13维的（13个要么是-1，要么是1的数字），b是一个数字。对么~？
我的问题是：

怎么从一大堆训练样本中找到边界的那个支持向量？也就是，如果我们要确定一根直线的方程 y=kx+b，我们带入的（x,y）的值必须是支持向量的才有意义对吧，那怎么确定哪个是支持向量（得先定位找到它，才能使用它的数据来定分类超平面啊）？
如果我在使用SVC函数的时候，把C设置成了0或者很小的值，也就是硬间隔了（假设我以为我的数据是完全线性可分的），但是我的两类数据实际是线性不可分的！！！（也就是这时候，理论上我是求不出这么一个分类超平面的模型参数的）这时候会发生什么？会报错么？
每个支持向量x(i)（对于我做的，是一个13维的向量）会对应一个对吧，那这个值是怎么确定的？也就是，我最后要求的模型参数，是WT，b 和这三个对么？
如果我这个分类超平面找到了，我用一个测试的数据（一个新的13维向量，在训练集之外的数据）带入到式子中和求出的模型参数一起运算，最终会得到一个“1”或者“-1”，这样就可以实现分类了对吧？？可以这样理解么~？
最后，我感觉我们平时做SVM的机器学习，我们自己可做的事情好像并不多。我们无非就是，决定从原始的训练样本中提取哪些特征向量、决定决策的严酷度（也就是设置C）？？