如何处理此类情况取决于用户。决策边界上的点的损失将为 0。这是用户必须做出的设计决策。一个例子是在错误分类中考虑这种情况，并在训练时更新你的权重。

如果$y (w \cdot x + b) > 0$：$\text{no loss}$

如果$y (w \cdot x + b) \leq 0$：$\text{loss} = −y (w \cdot x + b)$

在推理过程中，如果出现这种情况，您可以调用随机分类器将其分类到其中一个类中。

答案是无关紧要的，原因有二。首先，在决策边界上，两个方程（一个用于正确分类，一个用于不正确分类）都会产生 0 的损失，因此您使用哪一个并不重要。

第二个原因是，在计算上，你永远不会完全在决策边界上，因为计算机使用的数字是有限精度的，所以总会有一个小的误差。