spark的线性支持向量机只支持二分类，其目的是要寻找这样一个超平面：f(x)=wx+b,使得满足以下约束：
在该超平面的两侧的样本的距离尽可能的大，也就是(wx+b=1)和(wx+b=-1)的距离尽可能大。
可以达到这一个目标的参数w和截距b的值就是线性svm的模型，当求得w和b参数后，就可以用来预测样本的分类了：
当输入的测试样本满足wx+b<0，那么就归类到-1这个类别中，当wx+b>0就归类到1这个类别中，这样就达到了二分类
的目的，评估函数可以使用BinaryClassifyevaluate评估器的roc曲线进行评估.
参考文献:
1.https://blog.csdn.net/Ym_Allen/article/details/81238570?spm=1001.2101.3001.6650.1&utm_medium=distribute.pc_relevant.none-task-blog-2%7Edefault%7EBlogCommendFromBaidu%7ERate-1.pc_relevant_antiscanv2&depth_1-utm_source=distribute.pc_relevant.none-task-blog-2%7Edefault%7EBlogCommendFromBaidu%7ERate-1.pc_relevant_antiscanv2&utm_relevant_index=2
