随机生成两类数据每类数据包含50个数据点利用svm算法实现分类要求： a给出每一类中有几个支撑向量 5分 b写出支撑向量的值 5分 画出分界线。分类效果类似下图但不一样

由于无法直接生成图像，我将为您提供一个示例代码，用于生成数据并使用SVM算法进行分类，并给出每一类中的支持向量以及绘制出分界线。

import numpy as np
import matplotlib.pyplot as plt
from sklearn import svm

# 生成数据
np.random.seed(0)
class1_data = np.random.randn(50, 2) + np.array([2, 2])
class2_data = np.random.randn(50, 2) + np.array([-2, -2])

# 标签
class1_labels = np.ones(50)
class2_labels = np.ones(50) * -1

# 合并数据和标签
data = np.vstack((class1_data, class2_data))
labels = np.hstack((class1_labels, class2_labels))

# SVM分类器
clf = svm.SVC(kernel='linear')
clf.fit(data, labels)

# 支持向量
support_vectors = clf.support_vectors_
support_vectors_labels = clf.dual_coef_.ravel()

# 绘制数据点
plt.scatter(class1_data[:, 0], class1_data[:, 1], c='r', marker='o')
plt.scatter(class2_data[:, 0], class2_data[:, 1], c='b', marker='x')

# 绘制支持向量
plt.scatter(support_vectors[:, 0], support_vectors[:, 1], c='g', marker='s')

# 绘制分界线
w = clf.coef_[0]
a = -w[0] / w[1]
xx = np.linspace(-5, 5)
yy = a * xx - (clf.intercept_[0]) / w[1]
plt.plot(xx, yy)

plt.xlabel('X')
plt.ylabel('Y')
plt.title('SVM Classification')
plt.show()

请确保在运行代码之前已经安装了必要的库，如numpy、matplotlib和scikit-learn。这段代码会生成两个高斯分布的数据点，然后使用SVM进行分类，并绘制出分类的结果。支持向量用绿色方块表示，分界线用直线表示。

您可以根据需要调整示例代码中的参数和数据生成方式来获得不同的分类效果