一文彻底搞懂 SVM：支持向量机全流程解析与数学推导

支持向量机（SVM）的数学推导全解

支持向量机（SVM）是机器学习中经典的二分类模型，它通过找到一个最优的超平面，最大化正负样本的分类间隔，实现对数据的有效分类。本篇博客将从问题定义开始，逐步推导 SVM 的完整数学过程，包括优化目标、拉格朗日对偶理论、KKT 条件的应用和最终决策函数的构造。推导过程力求数学完备，同时以通俗语言讲解每一步推导背后的逻辑。

---

1. 问题定义

1.1 超平面与分类

假设我们有一个训练数据集 $D=\{({\mathbf{x}}_i,y_i){\}}_{i=1}^N$，其中 ${\mathbf{x}}_i\in {\mathbb{R}}^n$ 是特征向量， y i ∈ { − 1 , + 1 } y_i \in \{-1, +1\} yi​∈{−1,+1} 是分类标签。目标是找到一个超平面，将正类样本 $y_i=+1$ 和负类样本 $y_i=-1$ 尽可能分开。

超平面

一个超平面可以写成如下数学形式：
$${\mathbf{w}}^{\top }\mathbf{x}+b=0,$$
其中：

• $\mathbf{w}\in {\mathbb{R}}^n$ 是法向量，决定了超平面的方向；
• $b\in \mathbb{R}$ 是偏置，决定了超平面到原点的距离。

分类的条件

对于任意样本点 ${\mathbf{x}}_i$：

• 如果 $y_i=+1$（正类），样本应该被分布在超平面的一个侧面，满足 ${\mathbf{w}}^{\top }{\mathbf{x}}_i+b>0$；
• 如果 $y_i=-1$（负类），样本应该被分布在超平面的另一个侧面，满足 ${\mathbf{w}}^{\top }{\mathbf{x}}_i+b<0$。

为了统一地描述正负样本的分类关系，我们引入 $y_i$（取值为 $+1$ 或 $-1$），将分类条件重新表达为：
$$y_i({\mathbf{w}}^{\top }{\mathbf{x}}_i+b)>0,\forall i.$$

1. 对于正类样本（$y_i=+1$）：
   分类条件是 ${\mathbf{w}}^{\top }{\mathbf{x}}_i+b>0$，这意味着点 ${\mathbf{x}}_i$ 位于超平面的正侧面。乘以 $y_i=+1$ 后，条件仍然满足：
   $$y_i({\mathbf{w}}^{\top }{\mathbf{x}}_i+b)=({\mathbf{w}}^{\top }{\mathbf{x}}_i+b)>0.$$

2. 对于负类样本（$y_i=-1$）：
   分类条件是 ${\mathbf{w}}^{\top }{\mathbf{x}}_i+b<0$，这意味着点 ${\mathbf{x}}_i$ 位于超平面的负侧面。乘以 $y_i=-1$ 后，负号翻转，使得条件仍然满足：
   $$y_i({\mathbf{w}}^{\top }{\mathbf{x}}_i+b)=-({\mathbf{w}}^{\top }{\mathbf{x}}_i+b)>0.$$

因此，不论正类还是负类，$y_i({\mathbf{w}}^{\top }{\mathbf{x}}_i+b)$ 在分类正确时都大于 $0$，可以用统一的条件描述分类关系。

---

1.2 分类间隔

样本到超平面的几何距离

要量化样本与超平面之间的关系，我们关注样本到超平面的几何距离。对于样本点 ${\mathbf{x}}_i$，到超平面的几何距离公式为：
$$\frac{|{\mathbf{w}}^{\top }{\mathbf{x}}_i+b|}{\Vert \mathbf{w}\Vert },$$
其中 $\Vert \mathbf{w}\Vert =\sqrt{{\mathbf{w}}^{\top }\mathbf{w}}$ 是法向量的欧几里得范数。

---

分类间隔的定义

我们希望找到一个超平面，使得正负样本之间的间隔最大化。这里需要明确两种“分类间隔”的定义和区别：

1. 几何间隔：单个样本到超平面的几何距离；

几何间隔用于度量单个样本点到超平面的距离。对于任意样本点 ${\mathbf{x}}_i$，到超平面的几何距离定义为：
$$\frac{|{\mathbf{w}}^{\top }{\mathbf{x}}_i+b|}{\Vert \mathbf{w}\Vert },$$
其中：

• $\mathbf{w}$ 是超平面的法向量；
• $\Vert \mathbf{w}\Vert =\sqrt{{\mathbf{w}}^{\top }\mathbf{w}}$ 是法向量的欧几里得范数。

对于支持向量机的优化目标，我们关心的并不是任意样本到超平面的几何距离，而是距离最近的样本点到超平面的几何距离。这些最近的样本点被称为支持向量。

为了方便后续推导，我们可以通过归一化 $\mathbf{w}$ 和 $b$，调整几何间隔的表达形式。

分类器归一化假设

我们在优化问题中引入了归一化假设，即通过调整 $\mathbf{w}$ 和 $b$，让支持向量到超平面的几何距离恰好为 $1$。在这种归一化条件下，支持向量满足：
$$y_i({\mathbf{w}}^{\top }{\mathbf{x}}_i+b)=1.$$

对于其他样本点，由于几何距离大于 $1$，满足：
$$y_i({\mathbf{w}}^{\top }{\mathbf{x}}_i+b)\ge 1,\forall i.$$

在归一化条件下，单个样本点到超平面的几何距离为：
$$\text{几何间隔}=\frac{1}{\Vert \mathbf{w}\Vert }.$$

---

2. 分类间隔：正类支持向量与负类支持向量之间的距离。

分类间隔描述的是正类支持向量与负类支持向量之间的距离，具体是：

• 最近的正类支持向量到超平面的距离；
• 最近的负类支持向量到超平面的距离。

两侧支持向量之间的总距离（即分类间隔）是：
$$\text{分类间隔}=\frac{2}{\Vert \mathbf{w}\Vert }.$$

关系说明

• 分类间隔是两倍的几何间隔（因为它考虑的是正负支持向量之间的总距离）。
• 几何间隔则仅描述单个点（支持向量）到超平面的距离。

在支持向量机中，最大化分类间隔实际上是等价于最大化几何间隔，因为两者的比例是固定的。

1.3 问题转化

最大化分类间隔

在分类问题中，我们追求样本与超平面的距离尽可能大，即最大化分类间隔。如果分类间隔更大，分类器对样本的判别能力就更强，也就是说分类器的泛化能力更好。

我们希望选择的超平面尽可能“远离”样本点。这是因为：

1. 如果样本点离超平面更远，即分类间隔更大，那么分类器的鲁棒性更好；
2. 这样的分类器对于未知样本的预测会更稳定，具有更好的泛化能力。

问题简化

为了最大化分类间隔 $\frac{2}{\Vert \mathbf{w}\Vert }$，我们可以将问题转化为最小化 $\Vert \mathbf{w}\Vert$，即：
$$\underset{\mathbf{w},b}{\min }\Vert \mathbf{w}\Vert .$$
为了计算方便，通常我们最小化的是 $\frac{1}{2}\Vert \mathbf{w}{\Vert }^2$（平方形式的目标函数使得偏导数更简单）。因此，目标函数变为：
$$\underset{\mathbf{w},b}{\min }\frac{1}{2}\Vert \mathbf{w}{\Vert }^2.$$

同时，分类间隔的归一化条件导致如下约束条件：
$$y_i({\mathbf{w}}^{\top }{\mathbf{x}}_i+b)\ge 1,\forall i.$$

---

支持向量的引入

从上述归一化条件可以看出：

• 分类结果由那些紧贴支持向量边界的点决定。这些点满足：
  $$y_i({\mathbf{w}}^{\top }{\mathbf{x}}_i+b)=1.$$
• 对于其他离超平面更远的点，$y_i({\mathbf{w}}^{\top }{\mathbf{x}}_i+b)>1$，它们对分类器的位置没有直接影响。

因此，我们可以通过只关注 支持向量 来确定分类器的位置。支持向量是使 $y_i({\mathbf{w}}^{\top }{\mathbf{x}}_i+b)=1$ 的点。这一性质使得 SVM 具有稀疏性：最终模型只依赖于支持向量，而不依赖于其他点。

转换为优化问题

最终，SVM 的目标可以总结为：找到一个超平面，最小化 $\frac{1}{2}\Vert \mathbf{w}{\Vert }^2$，同时满足约束条件：
$$y_i({\mathbf{w}}^{\top }{\mathbf{x}}_i+b)\ge 1,\forall i.$$

这就构成了一个带约束的优化问题，其核心思想是：

• 通过最大化分类间隔（对应最小化 $\Vert \mathbf{w}\Vert$）找到最优超平面；
• 分类结果仅依赖于支持向量。

---

2. 优化问题建模

在上述归一化假设下，SVM 的目标是最大化分类间隔，等价于最小化 $|\mathbf{w}|$，即：

$$\underset{\mathbf{w},b}{\min }\frac{1}{2}\Vert \mathbf{w}{\Vert }^2$$
同时满足约束条件：

$$\text{s.t. }{y}_i({\mathbf{w}}^{\top }{\mathbf{x}}_i+b)\ge 1,\forall i.$$

这就构成了一个典型的 约束优化问题 。直接优化上述问题并不方便，因此我们引入拉格朗日乘子法。

---

3. 拉格朗日乘子法

3.1 拉格朗日函数构造

为将约束融入优化目标，引入拉格朗日乘子 ${\alpha }_i\ge 0$（$i=1,\dots ,N$），定义拉格朗日函数：
$$L(\mathbf{w},b,\mathbf{\alpha })=\frac{1}{2}\Vert \mathbf{w}{\Vert }^2-\sum _{i=1}^N{\alpha }_i\left[y_i({\mathbf{w}}^{\top }{\mathbf{x}}_i+b)-1\right]$$
其中，$\mathbf{\alpha }=[{\alpha }_1,{\alpha }_2,\dots ,{\alpha }_N{]}^{\top }$ 是拉格朗日乘子向量。

拉格朗日函数将约束条件通过 ${\alpha }_i$ 融入优化目标，使得我们可以处理无约束优化问题。

---

3.2 KKT 条件

KKT 条件是约束优化问题的必要条件。在最优解处，需满足以下条件：

1. 原始约束条件：
   $$y_i({\mathbf{w}}^{\top }{\mathbf{x}}_i+b)-1\ge 0,\forall i;$$
   这是问题本身的约束条件，确保支持向量机的分类间隔正确。

2. 拉格朗日乘子非负性：
   $${\alpha }_i\ge 0,\forall i;$$
   拉格朗日乘子只能对违反约束的情况施加惩罚，因此必须非负。

3. 互补松弛条件：
   $${\alpha }_i\left[y_i({\mathbf{w}}^{\top }{\mathbf{x}}_i+b)-1\right]=0,\forall i;$$
   表示对于每个样本，只有在分类间隔恰好为 1 的情况下 ${\alpha }_i$ 才可能非零（支持向量的定义），否则 ${\alpha }_i=0$。

4. 梯度为零条件：
   $$\frac{\partial L}{\partial \mathbf{w}}=0,\frac{\partial L}{\partial b}=0.$$
   确保在最优解处，目标函数对优化变量的梯度为零。

总结：
KKT 条件是连接原始优化问题与对偶问题的关键桥梁，只有在满足 KKT 条件的情况下，通过拉格朗日方法求解得到的解，才能与原始问题的最优解等价 。这是支持向量机优化过程严谨性和数学完备性的核心保障。

---

4. 求解过程

4.1 求偏导

1. 对 $\mathbf{w}$ 求偏导：
   $$\frac{\partial L}{\partial \mathbf{w}}=\mathbf{w}-\sum _{i=1}^N{\alpha }_i{y}_i{\mathbf{x}}_i=0$$
   解得：
   $$\mathbf{w}=\sum _{i=1}^N{\alpha }_i{y}_i{\mathbf{x}}_i$$
   这表示最优的 $\mathbf{w}$ 是由支持向量加权求和得到的，其中 ${\alpha }_i$ 是权重，$y_i$ 是类别，${\mathbf{x}}_i$ 是样本。

2. 对 $b$ 求偏导：
   $$\frac{\partial L}{\partial b}=-\sum _{i=1}^N{\alpha }_i{y}_i=0$$
   解得：
   $$\sum _{i=1}^N{\alpha }_i{y}_i=0$$
   这表示支持向量的拉格朗日乘子加权和在类别上必须平衡。

---

4.2 对偶问题

将 $\mathbf{w}={\sum }_{i=1}^N{\alpha }_i{y}_i{\mathbf{x}}_i$ 代入拉格朗日函数 $L$ 中，消去 $\mathbf{w}$ 和 $b$，得到仅关于 $\mathbf{\alpha }$ 的函数：

首先，将 $\frac{1}{2}\Vert \mathbf{w}{\Vert }^2$ 展开：
$$\frac{1}{2}\Vert \mathbf{w}{\Vert }^2=\frac{1}{2}{\left(\sum _{i=1}^N{\alpha }_i{y}_i{\mathbf{x}}_i\right)}^{\top }\left(\sum _{j=1}^N{\alpha }_j{y}_j{\mathbf{x}}_j\right).$$
利用向量的内积展开公式：
$$\frac{1}{2}\Vert \mathbf{w}{\Vert }^2=\frac{1}{2}\sum _{i=1}^N\sum _{j=1}^N{\alpha }_i{\alpha }_j{y}_i{y}_j({\mathbf{x}}_i^{\top }{\mathbf{x}}_j).$$

拉格朗日函数 $L$ 中的第一项为：
$$-\frac{1}{2}\Vert \mathbf{w}{\Vert }^2=-\frac{1}{2}\sum _{i=1}^N\sum _{j=1}^N{\alpha }_i{\alpha }_j{y}_i{y}_j({\mathbf{x}}_i^{\top }{\mathbf{x}}_j).$$

再看第二项：
$$\sum _{i=1}^N{\alpha }_i.$$

因此，对偶问题的目标函数为：
$$\underset{\mathbf{\alpha }}{\max }\sum _{i=1}^N{\alpha }_i-\frac{1}{2}\sum _{i=1}^N\sum _{j=1}^N{\alpha }_i{\alpha }_j{y}_i{y}_j({\mathbf{x}}_i^{\top }{\mathbf{x}}_j).$$

4.3 求解 $\mathbf{\alpha }$

优化上述对偶问题后，得到最优解 ${\mathbf{\alpha }}^{\ast }=[{\alpha }_1^{\ast },{\alpha }_2^{\ast },\dots ,{\alpha }_N^{\ast }{]}^{\top }$，从中可得法向量：
$$\mathbf{w}=\sum _{i=1}^N{\alpha }_i^{\ast }{y}_i{\mathbf{x}}_i.$$

支持向量是那些对应 ${\alpha }_i^{\ast }>0$ 的样本点。

---

5. 最终结果

在支持向量机中，我们通过优化对偶问题的拉格朗日乘子 ${\alpha }_i^{\ast }$ 来求解超平面。最终的结果包括偏置项 $b$ 和分类决策函数 $f(\mathbf{x})$。这一部分不仅适用于线性可分数据，还可以通过引入核函数扩展到非线性可分问题。

5.1 偏置项 $b$

对于任意支持向量 ${\mathbf{x}}_k$（满足 ${\alpha }_k^{\ast }>0$ 的样本），根据支持向量的约束条件：
$$y_k({\mathbf{w}}^{\top }{\mathbf{x}}_k+b)=1,$$
将 $\mathbf{w}$ 的表达式 $\mathbf{w}={\sum }_{i=1}^N{\alpha }_i^{\ast }{y}_i{\mathbf{x}}_i$ 代入得到：
$$b=y_k-\sum _{i=1}^N{\alpha }_i^{\ast }{y}_i({\mathbf{x}}_i^{\top }{\mathbf{x}}_k).$$

注意：

• 理论上，任意支持向量都可以用来计算 $b$；
• 在实际计算中，取所有支持向量的结果求平均以减少数值误差。

---

5.2 决策函数

根据支持向量机的原理，分类决策函数为：
$$f(\mathbf{x})=\text{sign}\left({\mathbf{w}}^{\top }\mathbf{x}+b\right).$$
将 $\mathbf{w}$ 的表达式代入：
$$f(\mathbf{x})=\text{sign}\left(\sum _{i=1}^N{\alpha }_i^{\ast }{y}_i({\mathbf{x}}_i^{\top }\mathbf{x})+b\right).$$

这表明：

1. 决策函数仅依赖于支持向量，因为 ${\alpha }_i^{\ast }=0$ 对应的样本不参与决策；
2. 决策函数只需要计算支持向量与待分类样本 $\mathbf{x}$ 的内积 ${\mathbf{x}}_i^{\top }\mathbf{x}$。

---

5.3 核函数的引入：处理非线性可分问题

在许多实际问题中，数据并非线性可分。这时我们可以通过核方法（Kernel Trick），将原始特征映射到一个更高维的特征空间，使得数据在高维空间中线性可分。

核函数的作用

核函数是一种函数，用来高效地计算两个样本在映射空间中的内积，而不需要显式地进行映射。记映射函数为 $\varphi (\cdot )$，核函数定义为：
$$K({\mathbf{x}}_i,{\mathbf{x}}_j)=\varphi ({\mathbf{x}}_i{)}^{\top }\varphi ({\mathbf{x}}_j).$$

使用核函数替代内积

在对偶问题和决策函数中，所有的内积 ${\mathbf{x}}_i^{\top }{\mathbf{x}}_j$ 都可以替换为核函数 $K({\mathbf{x}}_i,{\mathbf{x}}_j)$。因此，决策函数扩展为：
$$f(\mathbf{x})=\text{sign}\left(\sum _{i=1}^N{\alpha }_i^{\ast }{y}_{i}K({\mathbf{x}}_i,\mathbf{x})+b\right).$$

通过核函数，支持向量机可以有效地处理非线性可分问题，而不需要显式地在高维空间中操作。这使得 SVM 成为一种强大的非线性分类方法。

---

常见核函数

以下是一些常见的核函数及其用途：

1. 线性核：
   $$K({\mathbf{x}}_i,{\mathbf{x}}_j)={\mathbf{x}}_i^{\top }{\mathbf{x}}_j$$
   等价于标准线性 SVM，不做特征映射。

2. 多项式核：
   $$K({\mathbf{x}}_i,{\mathbf{x}}_j)=({\mathbf{x}}_i^{\top }{\mathbf{x}}_j+c{)}^d$$
   适用于捕获多项式关系的数据，$d$ 是多项式的次数。

3. 高斯核（RBF 核）：
   $$K({\mathbf{x}}_i,{\mathbf{x}}_j)=\exp \left(-\frac{\Vert {\mathbf{x}}_i-{\mathbf{x}}_j{\Vert }^2}{2{\sigma }^2}\right)$$
   非线性分类的常用选择，适合处理复杂的非线性边界。

4. Sigmoid 核：
   $$K({\mathbf{x}}_i,{\mathbf{x}}_j)=\tanh (a{\mathbf{x}}_i^{\top }{\mathbf{x}}_j+c)$$
   与神经网络的激活函数相关。

---

6. 总结

通过完整推导，我们展示了如何从最大化分类间隔的思想出发，构造支持向量机的优化问题，并通过拉格朗日乘子法与 KKT 条件求解，最终得到决策函数。

SVM 的关键在于：

1. 支持向量的稀疏性：最终模型 仅依赖于支持向量 ；
2. 对偶问题的计算效率：利用对偶问题可高效处理高维数据；
3. 扩展到核函数：通过内积替换可轻松扩展至非线性问题。

支持向量机的这一套理论奠定了其在机器学习领域的经典地位。