Hard Margin SVM

 

以下文章摘录自：

《机器学习观止——核心原理与实践》

京东： https://item.jd.com/13166960.html

当当：http://product.dangdang.com/29218274.html

(由于博客系统问题，部分公式、图片和格式有可能存在显示问题，请参阅原书了解详情)

 

 

1.1    Hard Margin SVM

经过前面几个小节的铺垫，我们不但学习了SVM的“初衷”——从感性的层面了解了它的核心思路，而且还阐述了隐藏在SVM背后的一些优化理论(注：建议读者结合本书前面的数学原理章节来做阅读理解)，现在是时候对SVM进行“庖丁解牛”了。

前一小节中，我们已经将SVM转化为最优化问题了，即：

所以接下来需要解决的问题是，如何求出上述不等式约束条件下的最小解呢？

首先定义：