超级会员免费看
本文介绍了拉格朗日乘数法如何将有等式约束条件的优化问题转化为无约束问题，特别是针对SVM支持向量机中不等式条件的处理。通过引入拉格朗日乘子，将条件约束的优化转换为无条件的极值点寻找，从而简化计算。通过一个简单的例子展示了拉格朗日乘数法的应用过程。
上一节我们已经演示了把SVM支持向量机的分割线,画出来,并且,我们也推导了SVM支持向量机的公式,但是支持向量机的公式,是带有条件的对吧,带有条件就算起来比较麻烦
可以看到现在我们要可以用,拉格朗日乘数法,将 有等式约束条件的优化问题 转换为 无约束优化问题,把有条件转换为无条件对吧,但是我们的SVM支持向量机的目标函数中,的条件是不等式条件对吧,不是等式,所以更复杂一些.
可以看到,下面这个就是minf(x) s.t h(x) = 0 这个就是拉格朗日乘数法,可以看到
这个意思就是说,在h(x) = 0的条件下,来求min f(x)对吧 最小值对吧.
订阅专栏 解锁全文
扫一扫
515
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
