本文介绍: 可以看到现在我们可以用,拉格朗日乘数法,将 有等式约束条件优化问题 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.可以看到通过,拉格朗日乘数法来构造,拉格朗函数L(x,lamada),然后让L(x,lamada)对未知数和lamada进行求导,得到一组方程式,就可以计算x和lamada结果然后我们对L(x,lamada)这个公式中的,对x导数为0,对lamada导数也为0,求出x,lamada

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.

既然有条件约束的,不好计算,那么我们就可以,引入一个自变量lamada,

然后公式转换,可以看到,把公式等价的转换成下面的公式.

两个公式是等价的,这样就把有条件的公式,转换成了无条件的公式.

这里人工智能解释一下如何转换的过程:

拉格朗日乘数法是一种求解带约束条件的最优化

原文地址:https://blog.csdn.net/lidew521/article/details/134686345

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任

如若转载,请注明出处:http://www.7code.cn/show_49687.html

如若内容造成侵权/违法违规/事实不符,请联系代码007邮箱suwngjj01@126.com进行投诉反馈,一经查实,立即删除

发表回复

您的邮箱地址不会被公开。 必填项已用 * 标注