支持向量机的原始形式实现(Support Vector Machine Primal Form Im

我目前工作的一个支持向量机（SVM）项目。 我的工作在SVM的版本是线性SVM在原始的格式 ，我有很难理解哪里开始。

在一般情况下，我想我明白的理论; 基本上我需要尽量减少w的某些约束下规范。 与拉格朗日函数将是我的目标函数最小化（应用拉格朗日乘子后）。

我不明白的事情是，我是从我的教授，我们将使用拟牛顿法BFGS更新一起说。 我曾尝试2D和3D的情况下为牛顿法，我想我有算法的把握好，但我不知道怎么拟牛顿被用于寻找阿尔法系数的方法。 此外，许多文献是我至今读告诉申请二次规划找到系数。

拟牛顿迭代算法是如何与寻找w的系数......？ 以及如何二次规划与拟牛顿？ 任何人都可以请引导我到底是怎么回事？

Answer 1:

您在这里cunfusing很多东西

• “阿尔法系数” 仅在双数形式 ，这样你就不会在你的情况下， 找到他们
• “应用二次规划”，二次规划是一个问题 ，而不是解决方案。 你不能“应用QP”，你只能解决一个QP，而你的情况将使用拟牛顿法来解决
• “怎么是（...）相关的发现w的coefficientss”完全相同的方式，因为这种优化技术是关系到找到任何功能的最佳系数。 你要尽量减少w的功能，使应用任何优化技术（尤其是准netwton）将导致解决方案表示为w系数

文章来源: Support Vector Machine Primal Form Implementation