红色石头的个人博客上节课我们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。
还记得我们在《机器学习基石》课程中介绍的Regularization中，在最小化E_{in}的过程中，也添加了限制条件：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，求解过程变得容易。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\ \frac12w^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)=\frac12w^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，我们利用拉格朗日函数，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))\leq0，如果没有达到最优解，即有不满足(1-y_n(w^Tz_n+b))\leq0的情况，因为\alpha_n\geq0，那么必然有\sum_n\alpha_n(1-y_n(w^Tz_n+b))\geq0。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))\leq0，那么必然有\sum_n\alpha_n(1-y_n(w^Tz_n+b))\leq0，则当\sum_n\alpha_n(1-y_n(w^Tz_n+b))=0时，其有最大值，最大值就是我们SVM的目标：\frac12w^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\geq0，那么对于任何固定的\alpha’，且\alpha_n’\geq0，一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）
-
函数有解（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：
\frac{\partial L(b,w,\alpha)}{\partial b}=0=-\sum_{n=1}^N\alpha_ny_n
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\geq0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：
\frac{\partial L(b,w,\alpha}{\partial w}=0=w-\sum_{n=1}^N\alpha_ny_nz_n
即得到：
w=\sum_{n=1}^N\alpha_ny_nz_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\geq0
-
\sum_{n=1}^N\alpha_ny_n=0
-
w=\sum_{n=1}^N\alpha_ny_nz_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-\frac12||\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\neq0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：
我们发现，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。
注明：
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
更多AI资源请关注公众号：红色石头的机器学习之路（ID：redstonewill）
未经允许不得转载：红色石头的个人博客 » 林轩田机器学习技法课程学习笔记2 — Dual Support Vector Machine
