接上文SVM算法相关推导[一]
最大间隔分类器是一种在约束下求最大化的问题,对于这种问题用拉格朗日乘子法和KKT条件可以变化为求其相对简单的对欧问题。(传说中的SMO?)
对于拉个朗日乘子法和KKT条件的理解,CSDN的博主lijil168介绍的不错。
https://blog.csdn.net/lijil168/article/details/69395023
lysuns的博客
http://www.cnblogs.com/lysuns/p/4626378.html
这里简要介绍
1.拉格朗日乘子法
假设有函数f, 在一堆约束h_i(w)=0的情况下求解f的最小值的情况下可以得到新的目标函数是原优化目标和约束的线性和
原问题
有一堆的函数 h_i(w)=0
这个公式求解可以用消元法或者拉格朗日法。消元法就是根据h_i(w)=0得到w的一个值带入原公式,再来求解。
亦可以用拉个朗日法:
那么拉格朗日乘子法定义的新目标函数为
求解的过程对w,b,beta的每一个元素针对上式求偏导, 并置为0这样就可以得到极值点
设
加入增加不等式约束, 比如g(w)<=0,
拉格朗日乘法可以扩展为
定义最大化函数,即求使L最大化的alpha, beta值:
我们会发现
和原始定义等价
原因是这样的:
考虑优化问题
看这个Theta函数的定义知道(为啥?)
就得到了