【发布时间】:2016-06-11 11:45:20
【问题描述】:
要找到超平面,我们必须使用拉格朗日乘数解决优化问题。我读过很多教程,他们都说支持向量是唯一具有拉格朗日乘数不为零的向量。
我想了解为什么或者我们只是假设?
【问题讨论】:
-
我投票决定将此问题作为题外话结束,因为它属于 SE 网络中的数学网站。
标签: machine-learning svm libsvm
要找到超平面,我们必须使用拉格朗日乘数解决优化问题。我读过很多教程,他们都说支持向量是唯一具有拉格朗日乘数不为零的向量。
我想了解为什么或者我们只是假设?
【问题讨论】:
标签: machine-learning svm libsvm
这是因为从数学角度来看,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,如果某些拉格朗日乘数 (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。在内核情况下也是如此
<w, x> = SUM_i^N y_i alpha_i K(x_i, x)
对于 0 拉格朗日乘数,对应向量的核值无关紧要(同样 - 乘以零会删除该元素)。
因此,我们将这些在任何意义上用于表达超平面的向量称为 - 支持向量,因为它们是唯一真正支持的向量> 超平面,所有剩余的 - 在计算中被忽略。
【讨论】: