《Python机器学习基础教程》书中代码的问题

Question

最近在看《Python机器学习基础教程》这本书，书中的一个例子里有如下代码，其中加粗的代码画出了三条线，将图中的数据点划分成了三类。主要不明白的地方是for循环语句中line这个变量起的作用是什么，同时-(line * coef[0] + intercept) / coef[1]这个计算是怎么来的？谢谢指点！

from sklearn.datasets import make_blobs
from sklearn.svm import LinearSVC
import mglearn 
import numpy as np
import matplotlib.pyplot as plt

X, y = make_blobs(random_state=42)
mglearn.discrete_scatter(X[:, 0], X[:, 1], y)
plt.xlabel("Feature 0")
plt.ylabel("Feature 1")
plt.legend(["Class 0", "Class 1", "Class 2"])
linear_svm = LinearSVC().fit(X, y)

line = np.linspace(-15, 15)
for coef, intercept, color in zip(linear_svm.coef_, linear_svm.intercept_,
 ['b', 'r', 'g']):
 plt.plot(line, -(line * coef[0] + intercept) / coef[1], c=color)

plt.ylim(-10, 15)
plt.xlim(-10, 8)
plt.xlabel("Feature 0")
plt.ylabel("Feature 1")
plt.legend(['Class 0', 'Class 1', 'Class 2', 'Line class 0', 'Line class 1',
 'Line class 2'], loc=(1.01, 0.3))