Какова связь между количеством опорных векторов и данными обучения и производительностью классификаторов?

Я использую LibSVM для классификации некоторых документов. Как показывают окончательные результаты, документы кажутся немного сложными для классификации. Однако я кое-что заметил, тренируя своих моделей. и это: если мой обучающий набор, например, 1000, около 800 из них выбираются в качестве опорных векторов. Я везде искал, хорошо это или плохо. Я имею в виду, есть ли связь между количеством опорных векторов и производительностью классификаторов? Я прочитал это сообщение предыдущее сообщение . Однако я выполняю выбор параметров и уверен, что все атрибуты в векторах признаков упорядочены. Мне просто нужно знать отношение. Спасибо. p.s: Я использую линейное ядро.