超级会员免费看
本文介绍了在机器学习中，支持向量机的对偶问题转换，从最大化L(x,λ)转换为最小化L(x,y)，简化了求解过程。同时，阐述了强对偶问题与弱对偶问题的概念，指出在弱对偶情况下，对偶问题的解总是不大于原问题的解，这是因为对偶问题是从最小值中寻找最大值，而原问题则是从最大值中寻找最小值。"
91434918,8276967,使用pyserial进行红外线测距模块的串口通信,"['python3', 'pyserial', '硬件接口', '串口通信', '激光测距']
上一节我们就得到了9,这个公式,这个公式要求,先去求maxL(x,lamada) ,也就是求,lamada是多少的时候,对应的,
L(x,lamada) = f(x) + h(x) * lamada <=P
中的这个h(x) * lamada,最大,因为h(x)是小于0的也就是,lamada是什么的时候,h(x) * lamada最大,也就是越接近于0对吧.
然而这个lamada是多少的时候,h(x) * lamada 最大,这个也很难求解.
然后因为求解的时候,我们说:
maxL(x,lamada) 不好求,所以我们可以对调一下,这个就是对偶问题转换
将先求maxL(x,lamada),当lamada是什么的时候,整体最大的问题,改成先求minL(x,y),x是什么的时候,minL(x,y)最小对吧,先求最小,通过导数求最小,然后再求最大,就好求多了.
可以看到这里把max和min进行颠倒过来,这就是对偶问题.有时候原问题不好求解,但是对偶以后就变的好求解了.
订阅专栏 解锁全文
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
