目录
一、原问题（prime problem）
二、原问题的对偶问题（dual problem）
1、定义一个辅助函数
2、定义对偶问题
>>>问题1：上面说到遍历w，那w的取值范围和取值步长是怎样的？即遍历的w从何处求得？
3、原问题与对偶问题解的关系（一个定理）
4、原问题与对偶问题的间距G——Duality gap（定义）
5、强对偶定理（G=0的特定情况）
6、KKT条件（由强对偶定理反推出的条件）
课程链接：《浙江大学-研究生机器学习课程》
上接：《支持向量机SVM之非线性模型（低维映射到高维）》
一、原问题（prime problem）
注：这里的w指的是问题中的待定系数，如在非线性问题中w代表的是w、b和松弛变量
二、原问题的对偶问题（dual problem）
1、定义一个辅助函数
注：这里的α表示的是原问题中限制条件中不等式约束中的待定系数；β表示原问题中限制条件中等式约束中的待定系数
2、定义对偶问题
>>>问题1：上面说到遍历w，那w的取值范围和取值步长是怎样的？即遍历的w从何处求得？
答：这里不需要求解，只是为了下一个定义罢了，具体继续往下看
3、原问题与对偶问题解的关系（一个定理）
4、原问题与对偶问题的间距G——Duality gap（定义）
5、强对偶定理（G=0的特定情况）
6、KKT条件（由强对偶定理反推出的条件）
具体如何将原问题转化为对偶问题，进而求解原问题：
《机器学习理论——支持向量机SVM之非线性模型（原问题转化为对偶问题）》
Apache Rewrite 详解)
