1. 原算法与对偶算法
对于支持向量机而言,对偶算法是借助拉格朗日对偶性从原算法(Primal Problem)推出的,两者完全等价,只是求解了不同的条件极值(下面是硬间隔支持向量机的原算法和对偶算法):
2. 例子
假设数据集D为:
下面会通过原算法、对偶算法来分别计算硬间隔支持向量机的决策边界。
3. 原算法求解
4. 对偶算法求解
上述红框b的解法与https://blog.csdn.net/u013066730/article/details/123585288中得出的关于线性可分支持向量机的形式略有不同,上述直接带入了一个支撑点求出了b,而在上述链接中表示的方法是求各点平均。