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: