随机生成一组数据数据格式为x1x2同时数据划分为2类分别为0和1。比如样本x1x2属于0类。使用以上数据训练支持向量机模型得到最优的超平面输出模型参数W和b。并对新出现的样本预测样本属于哪个类别使用python语言编写代码并给出详细的算法设计思路和可能存在的问题以及收获

算法设计思路：

1. 随机生成一组数据，数据格式为（x1,x2），同时数据划分为2类，分别为0和1。
2. 将数据分为训练集和测试集，一般采用7:3的比例。
3. 使用支持向量机模型进行训练，得到最优的超平面。
4. 输出模型参数W和b。
5. 对新出现的样本，使用训练好的模型进行预测，判断样本属于哪个类别。

可能存在的问题：

1. 数据随机生成，可能会出现数据分布不均衡的情况，导致模型训练效果不佳。
2. 模型训练时，需要对数据进行归一化处理，否则可能会影响模型的准确性。
3. 在训练过程中，需要选择合适的核函数和正则化参数，否则可能会导致过拟合或欠拟合。

收获：

通过实现支持向量机模型，可以更好地理解支持向量机的原理和应用，并且可以应用于实际问题中，如图像分类、文本分类等领域。同时，也可以提高自己的编程能力和算法实现能力。