機器學習入門（十四）：SVM——直觀理解拉格朗日乘子法

上一篇，我們獲得了線性可分 SVM 的目標函數：一個帶約束條件的求極值問題。 而拉格朗日乘子法，恰恰是一種多元函數在變量受到條件約束時，求極值的方法。正好可以用來解決 SVM 的目標函數最優化。 我們在此不做嚴格的拉格朗日乘數法正確性的數學證明，而是以最簡單的函數形式爲例，從直觀帶大家來領略整個方法的每一個步驟。 換句話說，本文是幫我們積累一些對於「爲什麼將目標函數轉化成拉格朗日函數再最優化是可行

>>阅读原文<<