![532e772c87bcc28d969730b5ea2f8086.png](https://i-blog.csdnimg.cn/blog_migrate/801cead33f3bc63e8c652a0266aee7ba.jpeg)
为了能够介绍清楚支持向量机,首先需要理解下面的一些数学基础。
支持向量机的数学基础
点到直线/超平面的距离
首先推导
![equation?tex=%5Cmathbb%7BR%7D%5ED](https://i-blog.csdnimg.cn/blog_migrate/dfdda4ffa578f20261b035bf39a2bd8a.png)
![4a40646c3b1d87fe10a37e3ab7a2003c.png](https://i-blog.csdnimg.cn/blog_migrate/5d02b37f7ca97aa0c81bf7e736927b4a.jpeg)
带约束的优化问题
优化问题 1: 带有等式约束的优化问题
![862dfe397ecbffcbf485daa6cf083421.png](https://i-blog.csdnimg.cn/blog_migrate/6afc8e6af0e146b1c164efeb2e700122.jpeg)
通过上面的推导,带有等式约束的优化问题可以转化为等价的拉格朗日函数在
![equation?tex=%5Cmathbb%7BR%7D%5E%7BD%2B1%7D](https://i-blog.csdnimg.cn/blog_migrate/c25fbc06e6db7a40309060e2bb59d503.png)
![equation?tex=%5Cmathbf%7Bx%7D](https://i-blog.csdnimg.cn/blog_migrate/7e9850a5028317c94403914f790618b0.png)
![equation?tex=%5Clambda+](https://i-blog.csdnimg.cn/blog_migrate/7ef09891a44aecae34ac89b45db0b8dd.png)
优化问题 2: 带有不等式的约束优化问题
![e8763e54054db72bc8ec725541f4ffa0.png](https://i-blog.csdnimg.cn/blog_migrate/c93e248175b4f2cc040a43dd17a63c64.jpeg)
优化问题 3:等式和不等式约束同时存在的优化问题
![f72cb45c19c5fd1d0be49c1d4d4c4312.png](https://i-blog.csdnimg.cn/blog_migrate/df0b0e78b64434bc7d785ced80b84075.jpeg)
主问题转换为对偶问题
![bfb4594076f0a0ef95e404db050cfb33.png](https://i-blog.csdnimg.cn/blog_migrate/172794ae439b53d7f2117beb819a7745.jpeg)
为什么要转换原问题到对偶问题?
1. 主问题的目标函数或者可行域不一定是凸的(Convex),但是对偶问题中,目标函数是变量的线性组合,同时可行域是超立方体,所以必然是凸的。
2. 即使主问题是凸的,其可行域是被超平面截出来的一些不规则区域,不利于求解。但是对偶问题的可行域是规则的超立方体,利于模型的求解。
3. 对于满足如下 Slater 条件的带约束优化问题, 对偶问题和原问题的解是一样的。可通过求解对偶问题得到原问题的解。
![76d0bb43c75cb3902d64aefd1bfc98d5.png](https://i-blog.csdnimg.cn/blog_migrate/e0330488f00bc8dbd51526d732aa9b94.jpeg)
支持向量机可以通过两种观点进行推导,下面先介绍几何的观点。
支持向量机:几何的观点
基本型(硬间隔支持向量机)
![9779aa211233be1f84b0d0bb7c74a26f.png](https://i-blog.csdnimg.cn/blog_migrate/273d3a4f4c6083077f1927f3501e2277.jpeg)
主要想法
1. 超平面:在空间中找到完全将两