1.带约束条件的最优化问题称为原问题p
2.通过拉格朗日乘子法可以将原问题变为无约束形式
3.通常原问题难求解,需要构造其对偶问题d
4.可以证明,原问题的解大于等于对偶问题的解,这个称为弱对偶性
5.原问题的解等于对偶问题的解称为强对偶性
6.强对偶性的一个充分不必要条件是凸优化问题加上Slater条件
7.SVM是带线性约束的凸二次规划问题,所以,其强对偶关系成立
8.原问题具备对偶关系等价于KKT条件
9.KKT条件一共五个三类:可行条件,梯度为0,松弛互补
SVM(支持向量机)是解决二分类问题的一个经典算法。要全部掌握其算法细节需要下一定的功夫,这里面涉及拉格朗日对偶算法、KKT条件、SMO算法、核技巧等知识,所以,为了透彻理解该算法,在正式介绍之前,先补充相关的数学知识,主要是约束优化问题。
注:凸优化已经在之前的文章详细介绍过,不太理解的读者可以复习回顾凸优化问题
原问题与对偶问题
对于如下带约束条件的最优化问题称为原问题:
利用拉格朗日乘子法求解上面问题,构造广义拉格朗日函数:
利用该函数可以把带约束的原问题变为无约束的原问题,记为p: