本文主要参考B站UP主春暖花开Abela讲解的SVM,对SVM的学习进行的整理。另外也推荐B站的白板推导,对数学公式讲解的更为细致。
最优化问题
在一定条件下,解决求函数的最大/最小值的问题。
拉格朗日乘子法
拉格朗日乘子法计算模型如下。k为约束条件的个数,hk(x)为约束条件。
相切的时候取极值,此时两个函数的梯度共线,所以两个函数分别求导后,应该是线性关系。
将有约束的问题转为无约束的问题,然后直接对无约束问题求导即可。
KKT算法
处理不等式约束时的数学模型。
利用KKT条件构建拉格朗日函数。
具体的KKT条件如下:
1.对于构建后的拉格朗日函数,对x求导后,式子结果为0.
2.不等式前的系数要大于等于0.
对偶问题
如果原来的优化问题不容易求解,那么可以通过对偶问题进行求解。先求最大值,再求最小值。在满足KKT条件的时候,这样就等价于对原始的f(x)求最小值。
关于为什么两者是等价的问题证明。