支持向量机和拉格朗日乘数

时间:2016-02-28 12:32:49

标签: machine-learning svm libsvm

要找到超平面,我们必须用拉格朗日乘数来解决优化问题。我已阅读了许多教程,他们都说支持向量是唯一一个拉格朗日乘数不等于零的向量。

我想了解为什么或者我们只是假设?

1 个答案:

答案 0 :(得分:1)

这是因为从数学的角度来看,超平面可以表示为(在线性情况下):

w = SUM_i^N y_i alpha_i x_i

因此,如果一些拉格朗日乘数(alpha_i)为零,则它们对应的向量(x_i)根本不会影响超平面,因为乘以零会使该向量从计算中消失。同样在内核情况下

<w, x> = SUM_i^N y_i alpha_i K(x_i, x)

对于0拉格朗日乘数,相应向量的内核值无关紧要(再次 - 乘以零会删除此元素)。

因此,我们调用这些向量,这些向量在任何意义上都用来表达超级 - 支持向量,因为这些是唯一一个实际支持 >超平面,所有剩余的 - 在计算中被忽略。