学习SVM理论基础后,更进一步了解SVM算法就是了解SVM的算法的求解了,SVM算法的求解是一个凸优化问题,可以使用QP优化包进行求解,但是Platt提出了SMO算法,能够大大提升SVM模型的求解速度,这一节中主要就学习和掌握SVM算法的求解,会涉及到很多的数学公式,也是看了好久,查阅了好多资料,才从蒙蔽状态慢慢解放出来,然后对照着着比较简单的SMO算法,对照着算法流程,才慢慢变成半蒙蔽状态。
首先接着上一节理论基础遗留下的SVM算法的优化模型:
对于这种存在条件约束的优化问题,可以使用拉格朗日乘法来解决,学过高数的人,看着拉格朗日倍感亲切咯。
因此模型可以变成以下模型:
============================拉格朗日对偶性的讨论==============================
为了一般性的讨论问题,除了不等式条件,在这里,还引入等式条件,将上式一般化一下模型:
因此以拉格朗日处理以上模型的求解问题,得到:
将上述模型抽象为: