拉格朗日对偶

Posted 牧马人夏峥

tags:

篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了拉格朗日对偶相关的知识,希望对你有一定的参考价值。



        说下自己的理解。

        使用对偶是为了更容易求解,使min max f(w,a,b)(设为p*)转化为 max min f(w,a,b)(设为d*)

        d*<=p*。当等号成立时,最优解相同。

        若等号成立,则f(w,a,b)必为马鞍面,既凸又凹。

        满足KKT条件等号可成立。当约束g=0时,a>0,这样的点才是支持向量。

        先将a固定,分别对w,b求导,得到关于a的式子,带入原目标函数(含a)。剩下的由SMO算法求解。

        wTx+b 以前新来的样本首先根据w和b做一次线性运算,然后看求的结果是大于0还是小于0,来判断是正例还是负例。现在利用a,只需要

  将原来的样本和训练数据中的所有样本做内积即可。由于只有支持向量的a才不等于0,所以只需求新来的样本和支持向量的内积,然后运算。




以上是关于拉格朗日对偶的主要内容,如果未能解决你的问题,请参考以下文章

拉格朗日对偶问题与 KKT 条件

拉格朗日对偶性(KKT)

拉格朗日对偶

SVM -支持向量机原理详解与实践之二

拉格朗日乘子法及其对偶问题和KKT条件

SVM之KKT条件理解