优化的边界分类器
上一讲里我们介绍了函数边界和几何边界的概念，给定一组训练样本，如果能够找到一条决策边界，能够使得几何边界尽可能地大，这将使分类器可以很可靠地预测训练样本，特别地，这可以让分类器用一个“间隔”将正负样本分开。
现在，我们假设给定的一组训练样本是线性可分的，即有可能找到这样一条分界面，将正负样本分开。如何找到这样一个分界面可以使得几何边界最大？我们将这个优化问题用如下的表达式给出：
maxγ,w,bs.t.γy(i)(wTx(i)+b)⩾γ,i=1,...m∥w∥=1
我们要使
γ最大化，第一个约束条件保证训练集里的每个训练样本的函数边界都大于
γ，而另外一个约束条件
∥w∥=1保证目标函数的几何边界和函数边界相等，所以目标函数的几何边界的最小值为
γ，如果找到合适的参数w,b使得目标函数成立，那么可以找到训练集的最大的几何边界。不过可以看到，约束条件
∥w∥=1使得目标函数无解，所以我们将目标函数做一个简单的变换，如下所示：
maxγ,w,bs.t.γ^∥w∥y(i)(wTx(i)+b)⩾γ^,i=1,...m
这里，我们想要最大化的是
γ^/∥w∥，约束条件保证目标函数的函数边界最小为
γ^，既然函数边界
γ^与几何边界
γ存在如下关系：
γ=γ^/∥w∥，所以这个目标函数与我们之前的目标函数是一致的，通过这种替换，我们避免了约束条件
∥w∥=1，但是发现新的目标函数
γ^/∥w∥依然无法解决。
所以我们要继续变换，记得之前讨论函数边界的时候，提到w,b具有尺度不变性，就是对w,b乘以一个常数，不会改变函数边界的性质，这里我们将对w,b引入常数因子使得训练集的函数边界为1，即：
γ^=1
因为对w,b乘以常数，相当于对函数边界乘以一个同样的常数，所以可以通过改变w,b的尺度保证函数边界为1，将这一点引入优化函数，并且注意到对
γ^/∥w∥=1/∥w∥最大化相当于对
∥w∥2最小化。因此我们可以建立如下的优化问题：
minγ,w,bs.t.12∥w∥2y(i)(wTx(i)+b)⩾1,i=1,...m
现在，这个优化问题是一个凸的二次优化问题，而约束条件也是线性约束，因此可以很容易地得到解决。一旦得到w,b，可以建立
优化边界分类器。
虽然到这里为止，我们已经解决了SVM的大部分问题，也可以找到一条最优的决策边界。不过接下来我们要探讨Lagrange duality，这将引出这个优化问题的对偶形式，并且可以让我们引入kernel的概念以处理高维的特征向量，并且这个对偶形式可以演化出一个更高效的算法。
Lagrange duality
我们先将SVM搁置一旁，先来探讨一些含约束条件的优化问题。
考虑如下一个优化问题：
minws.t.f(w)hi(w)=0,i=1,...l
利用拉格朗日数乘法，我们可以将上式写成：
L(w,β)=f(w)+∑i=1lβihi(w)
其中，
βi称为拉格朗日乘数，我们可以得到L的偏导数为：
∂L∂wi=0,∂L∂βi=0
进而可以求出参数
w,β
上面讨论的优化问题含有等式的约束条件，接下来，我们要看看同时含有等式与不等式约束条件的优化问题，考虑如下的优化问题，我们一般称为primal 优化问题：
minws.t.f(w)hi(w)=0,i=1,...lgi(w)⩽0,i=1,...k
为了解决这个问题，我们先建立一般的拉格朗日表达式：
L(w,α,β)=f(w)+∑i=1kαigi(w)+∑i=1lβihi(w)
αi,βi称为拉格朗日乘数。考虑如下的式子：
θP(w)=maxα,β:αi⩾0L(w,α,β)
其中，”
P”表示”primal”(原始的)，假设我们求出w，如果w不满足所有的约束条件(例如存在
gi(w)⩾0或者
hi(w)≠0)，那么我们可以知道：
θP(w)=maxα,β:αi⩾0f(w)+∑i=1kαigi(w)+∑i=1lβihi(w)=∞
反之，如果w满足所有的约束条件，那么
θP(w)=f(w)，因此，我们可以得知：
θP(w)={f(w)∞如果w满足约束条件otherwise
可以看出，当w满足所有的约束条件时，
θP(w)的值与我们建立的目标函数的值是一样的，如果不满足约束条件，那么
θP(w)将会趋于正无穷。
因此，当我们考虑如下的最小化问题：
minwθP(w)=minwmaxα,β:αi⩾0L(w,α,β)
可以看到，这与我们最初的原始的优化问题是同一个问题，我们也定义这个优化问题的优化解为：
p∗=minwθP(w)，我们称这个为原始问题的 extbf{解}。我们稍后将会用到这个定义。
现在，我们先来看一个稍微不同的问题，我们定义：
θD(α,β)=minwL(w,α,β)
这里，”
D”表示”dual”(对偶的)，要注意，在
θP我们要求的是关于
α,β的优化问题，这里，我们要求的是关于w的优化问题。下面，我们可以给出对偶优化问题的形式：
maxα,β:αi⩾0θD(α,β)=maxα,β:αi⩾0minwL(w,α,β)
可以看到，这个形式和我们上面讨论的原始优化问题的形式很相似，唯一的区别在于”max”和”min”的顺序调换了一下，我们同样定义对偶优化问题的目标值为：
d∗=maxα,β:αi⩾0θD(α,β)
那么原始优化问题与对偶优化问题满足什么关系呢？容易看出：
d∗=maxα,β:αi⩾0minwL(w,α,β)⩽minwmaxα,β:αi⩾0L(w,α,β)=p∗
很显然，函数最小值的最大值要小于等于最大值的最小值，这个看起来有点绕，不过应该很容易验证。不过，在某些约束条件下，可以让两个值相等，即：
d∗=p∗
下面，我们探讨一下这些条件：
假设f和g是凸函数，h是仿射函数，进一步假设函数g是严格可行的，意味着存在w使得对所有的i满足
gi(w)<0。
基于上述假设，那么一定存在w∗,α∗,β∗，其中，w∗是原始优化问题的解，而α∗,β∗是对偶优化问题的解，更进一步，我们有：d∗=p∗=L(w∗,α∗,β∗)，而且w∗,α∗,β∗满足Karush-Kuhn-Tucker (KKT)条件，即如下所示：
∂∂wiL(w∗,α∗,β∗)∂∂βiL(w∗,α∗,β∗)α∗gi(w∗)gi(w∗)α∗=0,i=1,2,...n=0,i=1,2,...l=0,i=1,2,...k⩽0,i=1,2,...k⩾0,i=1,2,...k
第三个表达式，称为KKT**dual complementarity**条件，这个条件暗示着如果
α∗>0，那么可以推出
gi(w∗)=0，这个条件是关键的一点。在后面可以看到，正因为这一点，说明SVM中的”支持向量”只占训练样本的一小部分。
参考文献
Andrew Ng, “Machine Learning”, Stanford University.