支持向量机核方法—Apple的学习笔记

支持向量机就是最优化问题，让两边有尽可能大的间隙。

构造过程

构造结果：构造成拉格朗日函数去求解。

最后就是求a的最优值使L最大。若判断正确的则a为0时候L为最大

数学基础

拉格朗日乘子法（Lagrange Multiplier）和KKT（Karush

Kuhn Tucker）条件

最优化问题会碰到一下三种情况：

1.无约束条件：一般求导求最小值

2.等式约束条件：一般用拉格朗日乘子法

3.不等式约束条件：一般用泛华的拉格朗日乘子法即为KKT

支持向量机

边界上的点为最重要的

推广为核方法：非线性的，内积形式

参考

https://blog.csdn.net/lijil168/article/details/69395023

https://www.zhihu.com/question/38586401

https://www.sohu.com/a/128747589_614807