从拉格朗日乘子法到SVM

前言 本文主要是讲了如何构建SVM的模型，并利用KKT条件构造其对偶型，从而求解问题，并讲述了SVM的硬间隔，软间隔和核函数三个境界。主要参考了周志华的《机器学习》，并在其中补充了自己的想法。由于内容较多，所以很多细节都省略掉了，只留下了整体的框架，该说的东西应该都说了。 SVM基本型 首先，我们先假设一个数据集线性可分的情况，也就是硬间隔的情况，如下图所示。 图1：线性可分情况 可以看到，数据集

>>阅读原文<<