注：
文章中所有的图片均来自台湾大学林轩田《机器学习技法》课程。
笔记原作者：红色石头
微信公众号：AI有道

上节课主要介绍了线性支持向量机（Linear Support Vector Machine）。Linear SVM的目标是找出最“胖”的分割线进行正负类的分离，方法是使用二次规划来求出分类线。本节课将从另一个方面入手，研究对偶支持向量机（Dual Support Vector Machine），尝试从新的角度计算得出分类线，推广SVM的应用范围。

1. Motivation of Dual SVM

首先，我们回顾一下，对于非线性SVM，我们通常可以使用非线性变换将变量从\(x\)域转换到\(z\)域中。然后，在\(z\)域中，根据上一节课的内容，使用线性SVM解决问题即可。上一节课我们说过，使用SVM得到large-margin，减少了有效的VC Dimension，限制了模型复杂度；另一方面，使用特征转换，目的是让模型更复杂，减小\(E_{in}\)。所以说，非线性SVM是把这两者目的结合起来，平衡这两者的关系。那么，特征转换下，求解QP问题在\(z\)域中的维度设为\(\hat{d}+1\)，如果模型越复杂，则\(\hat{d} +1\)越大，相应求解这个QP问题也变得很困难。当\(\hat{d}\)无限大的时候，问题将会变得难以求解，那么有没有什么办法可以解决这个问题呢？一种方法就是使SVM的求解过程不依赖\(\hat{d}\)，这就是我们本节课所要讨论的主要内容。

比较一下，我们上一节课所讲的Original SVM二次规划问题的变量个数是\(\hat{d} +1\)，有\(N\)个限制条件；而本节课，我们把问题转化为对偶问题（’Equivalent’ SVM），同样是二次规划，只不过变量个数变成\(N\)个，有\(N+1\)个限制条件。这种对偶SVM的好处就是问题只跟\(N\)有关，与\(\hat{d}\)无关，这样就不存在上文提到的当\(\hat{d}\)无限大时难以求解的情况。

如何把问题转化为对偶问题（’Equivalent’ SVM），其中的数学推导非常复杂，本文不做详细数学论证，但是会从概念和原理上进行简单的推导。

在《机器学习基石》课程中介绍的Regularization中，在最小化\(E_{in}\)过程中，添加了限制条件：\(w^Tw\leq C\)。我们的求解方法是引入拉格朗日因子\(\lambda\)，将有条件的最小化问题转换为无条件的最小化问题：\[min\ E_{aug}(w)=E_{in}(w)+\frac{\lambda}{N}w^Tw\]，最终得到的\(w\)的最优化解为：\[\nabla E_{in}(w)+\frac{2\lambda}{N}w=0\]
所以，在regularization问题中，\(\lambda\)是已知常量，求解过程很容易。那么，对于dual SVM问题，同样可以引入\(\lambda\)，将条件问题转换为非条件问题，只不过\(\lambda\)是未知参数，且个数是\(N\)，需要对其进行求解。

如何将条件问题转换为非条件问题？上一节课我们介绍的SVM中，目标是：\(min\ \frac{1}{2}w^Tw\)，条件是：\(y_n(w^Tz_n+b)\geq 1,\ for\ n=1,2,\cdots,N\)。首先，我们令拉格朗日因子为\(\alpha_n\)（区别于regularization），构造一个函数：
\[L(b,w,\alpha)=\frac{1}{2}w^Tw+\sum_{n=1}^N\alpha_n(1-y_n(w^Tz_n+b))\]，这个函数右边第一项是SVM的目标，第二项是SVM的条件和拉格朗日因子\(\alpha_n\)的乘积。我们把这个函数称为拉格朗日函数，其中包含三个参数：\(b，w，\alpha_n\)。

下面，利用拉格朗日函数，把SVM构造成一个非条件问题：

该最小化问题中包含了最大化问题，怎么解释呢？首先我们规定拉格朗日因子\(\alpha_n\geq0\)，根据SVM的限定条件可得：\((1-y_n(w^Tz_n+b))\leq 0\)，如果没有达到最优解，即有不满足\((1-y_n(w^Tz_n+b))\leq 0\)的情况，因为\(\alpha_n\geq 0\)，那么必然有\(\sum_n\alpha_n(1-y_n(w^Tz_n+b))\geq 0\)。对于这种大于零的情况，其最大值是无解的。如果对于所有的点，均满足\((1-y_n(w^Tz_n+b))\leq 0\)，那么必然有\(\sum_n\alpha_n(1-y_n(w^Tz_n+b))\leq 0\)，则当\(\sum_n\alpha_n(1-y_n(w^Tz_n+b))=0\)时，其有最大值，最大值就是SVM的目标：\(\frac{1}{2}w^Tw\)。因此，这种转化为非条件的SVM构造函数的形式是可行的。

2. Lagrange Dual SVM

现在，我们已经将SVM问题转化为与拉格朗日因子\(\alpha_n\)有关的最大最小值形式。已知\(\alpha_n\geq 0\)，那么对于任何固定的\(\alpha’\)，且\(\alpha_n’\geq 0\)，一定有如下不等式成立：

对上述不等式右边取最大值，不等式同样成立：

上述不等式表明，我们对SVM的min和max做了对调，满足这样的关系，这叫做Lagrange dual problem。不等式右边是SVM问题的下界，我们接下来的目的就是求出这个下界。
已知\(\geq\)是一种弱对偶关系，在二次规划QP问题中，如果满足以下三个条件：

• 函数是凸的(convex primal)
• 函数是有解的(feasible primal)
• 条件是线性的(linear constraints)

那么，上述不等式关系就变成强对偶关系，\(\geq\)变成\(=\)，即一定存在满足条件的解\((b,w,\alpha)\)，使等式左边和右边都成立，SVM的解就转化为右边的形式。
经过推导，SVM对偶问题的解已经转化为无条件形式：

其中，上式括号里面的是对拉格朗日函数\(L(b,w,\alpha)\)计算最小值。那么根据梯度下降算法思想：最小值位置满足梯度为零。首先，令\(L(b,w,\alpha)\)对参数\(b\)的梯度为零：

也就是说，最优解一定满足\(\sum_{n=1}^N\alpha_ny_n=0\)。那么，我们把这个条件代入计算max条件中（与\(\alpha_n\geq 0\)同为条件），并进行化简：

这样，SVM表达式消去了\(b\)，问题化简了一些。然后，再根据最小值思想，令\(L(b,w,\alpha)\)对参数\(w\)的梯度为零：

即得到\[w=\sum_{n=1}^{N}\alpha_n y_n z_n\]也就是说，最优解一定满足\(w=\sum_{n=1}^N\alpha_ny_nz_n\)。那么，同样我们把这个条件代入并进行化简：

这样，SVM表达式消去了\(w\)，问题更加简化了。这时候的条件有3个：

• all \(\alpha_n \geq 0\)
• \(\sum_{n=1}^N \alpha_n y_n=0\)
• \(w=\sum_{n=1}^{N}\alpha_n y_n z_n\)

SVM简化为只有\(\alpha_n\)的最佳化问题，即计算满足上述三个条件下，函数\(-\frac{1}{2}\|\sum_{n=1}^N\alpha_ny_nz_n\|^2+\sum_{n=1}^N\alpha_n\)最小值时对应的\(\alpha_n\)是多少。
总结一下，SVM最佳化形式转化为只与\(\alpha_n\)有关：

其中，满足最佳化的条件称之为Karush-Kuhn-Tucker(KKT)：

在下一部分中，我们将利用KKT条件来计算最优化问题中的\(\alpha\)，进而得到\(b\)和\(w\)。

3. Solving Dual SVM

上面我们已经得到了dual SVM的简化版了，接下来，我们继续对它进行一些优化。首先，将max问题转化为min问题，再做一些条件整理和推导，得到：

显然，这是一个convex的QP问题，且有\(N\)个变量\(\alpha_n\)，限制条件有\(N+1\)个。则根据上一节课讲的QP解法，找到\(Q，p，A，c\)对应的值，用软件工具包进行求解即可。

求解过程很清晰，但是值得注意的是，\(q_{n,m}=y_ny_mz^T_nz_m\)，大部分值是非零的，称为dense。当\(N\)很大的时候，例如\(N=30000\)，那么对应的\(Q_D\)的计算量将会很大，存储空间也很大。所以一般情况下，对dual SVM问题的矩阵\(Q_D\)，需要使用一些特殊的方法，这部分内容就不再赘述了。

得到\(\alpha_n\)之后，再根据之前的KKT条件，就可以计算出\(w\)和\(b\)了。首先利用条件\(w=\sum\alpha_ny_nz_n\)得到w，然后利用条件\(\alpha_n(1-y_n(w^Tz_n+b))=0\)，取任一\(\alpha_n\neq 0\)即\(\alpha_n>0\)的点，得到\(1-y_n(w^Tz_n+b)=0\)，进而求得\(b=y_n-w^Tz_n\)。

值得注意的是，计算\(b\)值，\(\alpha_n>0\)时，有\(y_n(w^Tz_n+b)=1\)成立。\(y_n(w^Tz_n+b)=1\)正好表示的是该点在SVM分类线上，即fat boundary。也就是说，满足\(\alpha_n>0\)的点一定落在fat boundary上，这些点就是Support Vector。这是一个非常有趣的特性。

4. Messages behind Dual SVM

回忆一下，上一节课中，我们把位于分类线边界上的点称为support vector（candidates）。本节课前面介绍了\(\alpha_n>0\)的点一定落在分类线边界上，这些点称之为support vector（注意没有candidates）。也就是说分类线上的点不一定都是支持向量，但是满足\(\alpha_n>0\)的点，一定是支持向量。

SV只由\(\alpha_n>0\)的点决定，根据上一部分推导的\(w\)和\(b\)的计算公式，我们发现，\(w\)和\(b\)仅由SV即\(\alpha_n>0\)的点决定，简化了计算量。这跟我们上一节课介绍的分类线只由“胖”边界上的点所决定是一个道理。也就是说，样本点可以分成两类：一类是support vectors，通过support vectors可以求得fattest hyperplane；另一类不是support vectors，对我们求得fattest hyperplane没有影响。

回过头来，我们来比较一下SVM和PLA的\(w\)公式：

二者在形式上是相似的。\(w_{SVM}\)由fattest hyperplane边界上所有的SV决定，\(w_{PLA}\)由所有当前分类错误的点决定。\(w_{SVM}\)和\(w_{PLA}\)都是原始数据点\(y_nz_n\)的线性组合形式，是原始数据的代表。

总结一下，本节课和上节课主要介绍了两种形式的SVM，一种是Primal Hard-Margin SVM，另一种是Dual Hard_Margin SVM。Primal Hard-Margin SVM有\(\hat{d}+1\)个参数，有\(N\)个限制条件。当\(\hat{d}+1\)很大时，求解困难。而Dual Hard_Margin SVM有\(N\)个参数，有\(N+1\)个限制条件。当数据量\(N\)很大时，也同样会增大计算难度。两种形式都能得到\(w\)和\(b\)，求得fattest hyperplane。通常情况下，如果\(N\)不是很大，一般使用Dual SVM来解决问题。

这节课提出的Dual SVM的目的是为了避免计算过程中对\(\hat{d}\)的依赖，而只与\(N\)有关。但是，Dual SVM是否真的消除了对\(\hat{d}\)的依赖呢？其实并没有。因为在计算\(q_{n,m}=y_ny_mz_n^Tz_m\)的过程中，由\(z\)向量引入了\(\hat{d}\)，实际上复杂度已经隐藏在计算过程中了。所以，我们的目标并没有实现。下一节课我们将继续研究探讨如何消除对\(\hat{d}\)的依赖。

5. 总结

本节课主要介绍了SVM的另一种形式：Dual SVM。我们这样做的出发点是为了移除计算过程对\(\hat{d}\)的依赖。Dual SVM的推导过程是通过引入拉格朗日因子\(\alpha\)，将SVM转化为新的非条件形式。然后，利用QP，得到最佳解的拉格朗日因子\(\alpha\)。再通过KKT条件，计算得到对应的\(w\)和\(b\)。最终求得fattest hyperplane。下一节课，我们将解决Dual SVM计算过程中对\(\hat{d}\)的依赖问题。