版权声明：本文为博主原创文章，未经博主允许不得转载。 https://blog.csdn.net/qq_41185868/article/details/83833281
对偶问题求解：
1、对偶问题法的分析
1)、原问题是求解w，其维度和x是一致的，现在求解a，其维度和样本数目一致的，改变了求解问题的维度
2)、观察最优化目标函数，包含样本X的计算只有点积的形式，方便我们引入核函数。核函数也只能在对偶问题形式下才能引入。
2、原问题转为线性二次规划下对偶问题：常用的方法是拉格朗日乘子法，是对偶法产生的条件。详见算法文档—凸优化—线性约束的二次规划章节。
将原问题转为对偶问题：原问题是极大极小问题，原始问题的对偶问题，是极大极小问题。 原问题是求SVM最大值的最小值问题，转化为对偶问题→，就是把最大值放在左边，最小值放在右边。
(1)、计算拉格朗日函数的对偶函数：把原来有约束的最优化问题变为一个新的有约束的最优化问题。
(2)、线性可分的SVM学习算法：求得最优解，即对偶法解决了该问题。