learning
/
DeepLearning-500-questions
mirror of https://github.com/scutan90/DeepLearning-500-questions.git
1
0
Fork 0
Code Issues Packages Projects Releases Wiki Activity

Merge pull request #332 from CoderOverflow/patch-2 

2.18.4 SVM为什么引入对偶问题 内容修订
This commit is contained in:
scutan90 2019-04-11 19:59:21 +08:00 committed by GitHub
parent c3591c80f9 11d3f363b6
commit fdfb9e846b
No known key found for this signature in database
GPG Key ID: 4AEE18F83AFDEB23
1 changed files with 2 additions and 2 deletions
Show Stats Download Patch File Download Diff File Expand all files Collapse all files

4
ch02_机器学习基础/第二章_机器学习基础.md
View File

@ -1535,7 +1535,7 @@ $$
2，可以很自然的引用核函数（拉格朗日表达式里面有内积，而核函数也是通过内积进行映射的）。
3，在优化理论中，目标函数 f(x) 会有多种形式：如果目标函数和约束条件都为变量 x 的线性函数, 称该问题为线性规划； 如果目标函数为二次函数, 约束条件为线性函数, 称该最优化问题为二次规划; 如果目标函数或者约束条件均为非线性函数, 称该最优化问题为非线性规划。每个线性规划问题都有一个与之对应的对偶问题，对偶问题有非常良好的性质，以下列举几个：
3，在优化理论中，目标函数 f(x) 会有多种形式：如果目标函数和约束条件都为变量 x 的线性函数，称该问题为线性规划；如果目标函数为二次函数，约束条件为线性函数，称该最优化问题为二次规划；如果目标函数或者约束条件均为非线性函数，称该最优化问题为非线性规划。每个线性规划问题都有一个与之对应的对偶问题，对偶问题有非常良好的性质，以下列举几个：
​ a, 对偶问题的对偶是原问题；
@ -1543,7 +1543,7 @@ $$
​ c, 对偶问题可以给出原始问题一个下界；
​ d, 当满足一定条件时，原始问题与对偶问题的解是完全等价的
​ d, 当满足一定条件时，原始问题与对偶问题的解是完全等价的。
### 2.18.5 如何理解SVM中的对偶问题