【发布时间】：2018-08-17 22:19:42
【问题描述】：
在求解 SVM 优化原始问题时，KKT 条件在拉格朗日对偶问题公式中的物理意义是什么？
【问题讨论】：
标签： machine-learning svm
【发布时间】：2018-08-17 22:19:42
【问题描述】：
在数学上，KKT 条件是为了证明强对偶而必须满足的方程，这意味着对偶问题的解决方案将等价于原始问题的解决方案。
从概念上讲，当您运行 SVM 的代码时，KKT 条件将是所有非边界 alpha 最终变为 0 的主要原因，因此，支持向量将是唯一 > 0 的 alpha .
【讨论】：