机器学习的新手，我讨论了支持向量机的主题。有人可以验证我是否正确地说对偶表示与支持向量有关，即如果训练数据的权重不等于零，我们可以将其推论为支持向量，那里的支持向量越少是，解决方案越稀疏？
非常感谢。
最佳答案
对偶表示形式是解决方案的表达，表示为训练点位置的线性组合（如果核是线性的，则它们在输入空间中的实际位置；如果是非线性，则其在核所诱导的高维特征空间中的位置） 。因此，双重表示由一堆权重组成-一个数字对应于每个数据点。那些数据的相应权重不为零？是的，它们是支持向量。
关于machine-learning - 对偶表示与支持向量有何关系？，我们在Stack Overflow上找到一个类似的问题：https://stackoverflow.com/questions/41248982/