1 目的
SVM推导是从讨论最优超平面开始的，即为了得到一个能够划分不同超平面的面，即公式1：
\begin{equation}w^Tx+b=0 \tag{1} \end{equation}
这个公式怎么来的，其实就是基于2维推导过来的，当二维图像时，也就是熟悉的x，y坐标系。我们将一条线的函数公式定义为\(Ax+By+C=0\)，其法向量为（A,B），而平面上任意一点(x0,y0)到该线的距离为[参考]：式子2\[d = \frac{|Ax_0+By_0+C|}{\sqrt{A^2+B^2}} \tag{2}\]
类比得到，多维平面上的某个“线”，其公式为\(Ax+By+Cz+D=0\)，可以看出就是一个向量\(w = [A,B,C]\)与另一个向量\(X = [x,y,z]\)之间的内积加上一个常量D。也就是上述式子1。所以，SVM中某点到该“线”的距离公式从式子2类比得到为，式子3：\[r = \frac{|w^Tx+b|}{||w||} \tag{3}\]
其法向量为\(w\)。
ps:下面参考自周志华老师的《机器学习》，支持向量机部分。
2 最优超平面
为了方便，则将此超平面记为\((w,b)\)。我们取二分类样本，即样本标签为\(\{+1,-1\}\)。我们希望超平面能够正确分类，也就是对于\(y_i = +1\)的样本，\(w^Tx_i+b>0\);而对于\(y_i = -1\)的样本，\(w^Tx_i+b<0\)。
ps:这里需要接着解释下为什么间隔取1，此部分资料在Andrew Ng的网易公开课讲义部分有说道，后续有空我过来补齐。
而为了获得最优的超平面，我们假设离该平面最近的点到该平面距离至少为1.则满足下面式子4：
\[\begin{cases}
w^Tx_i+b \geq +1, y_i = +1\\
w^Tx_i+b \leq -1, y_i = -1
\end{cases} \tag{4}\]
所以两个不同类别之间最小的距离为，式子5:
\[r = \frac{2}{||w||} \tag{5}\]
所以式子5，也被称为"间隔"（margin）。
如果将该间隔最大化，那么也就是找到了最优超平面，因为该超平面就是中间那条线，而图上虚线上的正负点，就是所谓的支持向量。即只有这些点才对最优超平面的选取有关。
所以，问题就转换成了求取下面方程式的问题，式子6：
\[\begin{cases}
max_{w,b} \quad \frac{2}{||w||}\\ s.t.\quad y_i(w^Tx_i+b) \geq 1, \quad i=1,2,...,m
\end{cases} \tag{6}\]
可以看到所谓最大化一个分数，其分子不变，也就是最小化一个分母即可，即式子6等同于式子7：
\[\begin{cases}
min_{w,b} \quad \frac{1}{2}||w||^2\\ s.t. \quad y_i(w^Tx_i+b) \geq 1, \quad i = 1,2,...,m
\end{cases} \tag{7}\]
3 拉格朗日浅析
式子7，是一个凸二次规划问题，也就是其一定会有最值存在，为了更快的进行求解，需要用到拉格朗日乘子方法。其实拉格朗日乘子法，在《同济版高数书 第9章多元函数微分法及其应用 第8节多元函数的极值及其求法》上有简单介绍，不过其并没说到KKT等情况，这里还是以网上别人博客作为参考[2,3]：
如博文[3]所说，一般最优化问题，通常为3种,：
(1)无约束优化问题,:
\[min \quad f(x) \tag{8}\]
(2) 等式约束优化问题，假设有n个等式约束：
\[\begin{cases}
min \quad f(x)\\ s.t. \quad h_i(x) = 0;i =1,...,n
\end{cases} \tag{9}\]
(3)不等式约束优化问题，假设有n个等式约束，m个不等式约束：
\[\begin{cases}
min \quad f(x),\\ s.t. \quad h_i(x) = 0; i=1,...,n\\ \qquad\quad g_i(x) \leq 0; j = 1,...,m
\end{cases} \tag{10}\]
即直接求其导数，然后求得导数为0的解即可。
即先将函数\(f(x)\)与其约束函数\(h_i(x)\)变换成一个单一函数，即：
\[L(x,\lambda) = f(x)+\lambda h(x)\]详细点说，就是：\[L(x,\lambda) = f(x)+\sum_{i=0}^n \lambda_ih_i(x)\] 然后基于这个函数对变量\(x\),\(\lambda\)求导，并将取值为0的解带入原问题中，比较哪个值最小，从而得到最优解。
如上一样，只是函数变成了：\[L(x,a,b) =f(x)+ \sum_{i=0}^na_ih_i(x)+\sum_{i=0}^mb_ig_i(x) \tag{11}\]
然后针对每个变量参数求导，通过联合所有的求导式子，将其等于0，求得极值点，再将极值点带入，求得最值点即可。而KKT中有个要求即\(b_ig_i(x)=0\),但因为\(g_i(x) \leq 0\)，所以要么\(b_i = 0\),要么\(g_i(x)=0\)。而这也和SVM中的支持向量有很密切的关系。
4 对偶问题
可以看出式子7可以通过KKT求解，添加拉格朗日乘子\(\alpha_i \geq 0\)写成拉格朗日函数为,式子12：
\[L(w,b,\alpha)=\frac{1}{2}||w||^2+\sum_{i=1}^m \alpha_i(1-y_i(w^Tx_i+b)) \tag{12}\]
其中\(\alpha_i \geq 0\),这样就保证了后面一项一定小于0。其中\[\alpha = (\alpha_1;\alpha_2;...;\alpha_m) \tag{13}\]将\(L(w,b,\alpha)\)对\(w\),\(b\)进行求偏导得,式子14，式子15：
\[\begin{cases}
w=\sum_{i=1}^m \alpha_i y_i x_i \tag{14,15}\\
0 = \sum_{i=1}^{m}\alpha_i y_i
\end{cases}\]
将上述式子14带入\(L(w,b,\alpha)\)，将\(w\),\(b\)消去，再考虑式子15，得如下对偶问题， 式16:
\[\begin{cases}
max_\alpha \quad \sum_{i=1}^m\alpha_i - \frac{1}{2} \sum_{i=1}^m\sum_{j=1}^m\alpha_i\alpha_j y_i y_j x_i^T x_j \\
s.t. \qquad \sum_{i=1}^m \alpha_i y_i =0, \\
\qquad \qquad \alpha_i \geq 0, i=1,2,...,m
\end{cases} \tag{16}\]
在求得\(\alpha\)向量时，则通过式子14，即可得到\(w\)，从而带入原式子，得到，式17：
\[\begin{eqnarray}f(x,y)
&=&w^Tx+b\\
&=&\sum_{i=1}^m \alpha_i y_i x_i^Tx+b
\end{eqnarray} \]
这里的拉格朗日乘子就是\(\alpha\),其中每一个变量\(\alpha_i\)都对应着一个样本\((x_i,y_i)\),且式子7中还有不等式存在，按照之前KKT部分说的，要求\((L(x,a,b))\)不等式部分等于0，即\(\alpha_i(y_if(x_i) - 1) = 0\),则要求联合一起，得到如下约束：
\[\begin{cases}
\alpha_i \geq 0; \\
y_if(x_i) -1 \geq 0;\\
\alpha_i(y_if(x_i) - 1) = 0
\end{cases} \tag{18}\]
所以对于任意训练样本\((x_i,y_i)\)总有\(\alpha_i = 0\)或者\(y_if(x_i)=1\).如果当前\(a_i=0\),那么该式在式17中则会不存在，而如果有\(\alpha_i \geq 0\)那么一定会有\(y_if(x_i)=1\),即对应的这个样本刚好位于最大间隔边界上，是一个支持向量。即SVM的一个性质：当训练完成后，大部分训练样本无需保留，只要保留支持向量即可，而且模型也只与支持向量有关。
因为这是一个二次规划问题，而且模型的训练速度正比于训练样本数，所以不适合超大数据集，而且中间会有一堆的开销，为了解决这种问题，通过问题本身的特性，有如SMO等高效方法来进行求解。(待更新)
5 - 核函数
对于线性不可分的样本集合来说，在低维空间中，是无法将其区分的。而且如果原始样本的特征维度是有限维，那么一定存在某个高维，能够将其线性区分，所以，升维，升到线性可分的维度，就能解决这个问题。
假设\(\phi(x)\)是\(x\)升维后的特征向量，则在能够划分超平面的特征空间中模型表示为：
\[f(x) = w^T\phi(x)+b \tag{5.1}\]
表示成式子7如：
\[\begin{cases}
min_{w,b} \quad \frac{1}{2}||w||^2 \\ s.t. \qquad y_i(w^T\phi(x_i)+b) \geq1, i = 1,2,...,m
\end{cases} \tag{5.2}\]
其对偶问题：
\[\begin{cases}
max_\alpha\sum_{i=1}^m\alpha_i-\frac{1}{2}\sum_{i=1}^m\sum_{j=1}^m\alpha_i\alpha_jy_iy_j\phi(x_i)^T\alpha(x_j) \\s.t. \qquad \sum_{i=1}^m\alpha_iy_i=0,\\\qquad\quad\alpha_i \geq 0,i = 1,2,..,m
\end{cases} \tag{5.3}\]
这样就将问题转换到了求高维特征的内积问题，可是如果这时候的特征空间维度太高，那么内积的计算都是很困难的。所以如果能够有这样一类函数：
\[\kappa(x_i,x_j) = \quad<\phi(x_i),\phi(x_j)>\quad= \phi(x_i)^T\phi(x_j) \tag{5.4}\]
即希望找到一个函数，使得\(x_i\)与\(x_j\)在特征空间的内积就等于他们在原始样本空间通过升维得到的内积。这样就免去了计算高维甚至无穷维度的问题，式子5.3重写成：
\[\begin{cases}
max_\alpha\sum_{i=1}^m\alpha_i-\frac{1}{2}\sum_{i=1}^m\sum_{j=1}^m\alpha_i\alpha_jy_iy_j\kappa(x_i,x_j) \\s.t. \qquad \sum_{i=1}^m\alpha_iy_i=0,\\\qquad\quad\alpha_i \geq 0,i = 1,2,..,m
\end{cases} \tag{5.5}\]
求解后：
\[\begin{eqnarray}f(x,y)
&=&w^Tx+b\\
&=&\sum_{i=1}^m \alpha_i y_i \phi(x_i)^T\phi(x)+b\\
&=&\sum_{i=1}^m \alpha_i y_i \kappa(x_i,x)+b
\end{eqnarray} \]
(待续)
6 - 软间隔，惩罚系数
如前面说的，一直假定训练样本在样本空间或者特征空间中能够达到线性可分，可是现实问题总是更复杂的，也很难说找到合适的核函数来让训练样本在特征空间中线性可分，即使找到了，也难保这个线性可分的结果不是过拟合造成的。所以，由此那么就放宽条件，允许一部分样本是分类错误的，比如：
，所谓的"硬间隔"，就是每个样本都完全满足SVM的目标函数定义，而“软间隔”，就是允许及个别的样本不满足：
\[y_i(w^Tx_i+b) \geq 1 \tag{6.1}\]
为了尽可能的减少这种情况存在，所以需要惩罚这种样本，从而目标函数改成了：
\[min_{w,b}\frac{1}{2}||w||^2+C\sum_{i=1}^m l_{0/1}(y_i(w^Tx_i+b)-1) \tag{6.2}\]
其中\(C>0\) 是一个常量，即惩罚系数，\(l_{0/1}\)是"0/1损失函数"：
\[l_{0/1}(z) = \begin{cases}1,\quad if \quad z < 0;\\ 0,\quad otherwise\end{cases} \tag{6.3}\]
可以发现当\(C\)无穷大时，满足最严格要求，即所有样本都必须分类正确，而当\(C\)有确定值时，就是一定程度的让步。
可是因为损失函数通常是非凸，非连续，数学性质不够完美，所以式子6.2很难求。所以通常是采用一些凸的连续的，且是损失函数上界的一些函数来代替。
2017/03/08 第一次修改！
- [1] 周志华 《机器学习》
- [2] 拉格朗日乘子法和KKT条件
- [3] 深入理解拉格朗日乘子法和KKT条件
- [4] 再生核希尔伯特空间