引言：尝试用最简单易懂的描述解释清楚机器学习中会用到的拉格朗日对偶性知识，非科班出身，如有数学专业博友，望多提意见！1.原始问题假设是定义在上的连续可微函数（为什么要求连续可微呢，后面再说，这里不用多想），考虑约束最优化问题：称为约束最优化问题的原始问题。现在如果不考虑约束条件，原始问题就是：因为假...
分类：
其他好文 时间：
2015-04-18 10:03:30
阅读次数：
158
许多地方得SVM讲得都很晦涩，不容易理解，最近看到一篇不错的博文写得很好，同时加上自己的理解，重新梳理一下知识要点
http://blog.csdn.net/zouxy09/article/details/17291543
一、引入
SVM是个分类器。我们知道，分类的目的是学会一个分类函数或分类模型（或者叫做分类器），该模型能把数据库中的数据项映射到给定类别中的某一个，从而可...
分类：
编程语言 时间：
2015-03-09 19:07:25
阅读次数：
15861
尝试用最简单易懂的描述解释清楚机器学习中会用到的拉格朗日对偶性知识
分类：
其他好文 时间：
2014-11-09 15:14:58
阅读次数：
188
Java实现简单版SVM近期的图像分类工作要用到latent svm，为了更加深入了解svm，自己动手实现一个简单版的。 之所以说是简单版，由于没实用到拉格朗日，对偶，核函数等等。而是用最简单的梯度下降法求解。当中的数学原理我參考了http://blog.csdn.net/lifeitengu...
分类：
编程语言 时间：
2014-10-05 14:48:58
阅读次数：
323
我发现，想要了解一个领域的比较快速的方法就是去读本领域近几年的硕士和博士毕业论文(中文的就行)！拉格朗日对偶今天学习了拉格朗日对偶。我们首先考虑下面这个问题：我们记
(这里如果是一个向量的话，那么相应的也是一个向量)，则上述最优化问题可以等价于问题：于是我们现在似乎可以开始求解问题了，最通常的求解过...
分类：
其他好文 时间：
2014-05-09 19:27:28
阅读次数：
3028
简介：
1、在之前我们把要寻找最优的分割超平面的问题转化为带有一系列不等式约束的优化问题。这个最优化问题被称作原问题。我们不会直接解它，而是把它转化为对偶问题进行解决。
2、为了使问题变得易于处理，我们的方法是把目标函数和约束全部融入一个新的函数，为了使问题变得易于处理，我们的方法是把目标函数和约束全部融入一个新的函数，即拉格朗日函数，再通过这个函数来寻找最优点。即拉格朗日函数，再通过这个函数...
分类：
其他好文 时间：
2014-05-07 22:40:35
阅读次数：
331
