0. 最大间隔分离超平面（Large-Margin Separating Hyperplane）
考虑一个线性可分数据上的二分类问题，如果用最基本的线性分类器去拟合训练数据，那么产生的结果将不唯一，如下图所示：
上图中三条线都将训练样本完全分类正确了，但是显然最右边那条是我们更想得到的，因为：最近的一个训练样本$x$距离分类超平面更远。这就意味着
-
这个分类超平面可以容忍更多噪声
-
这个超平面更不容易过拟合
所以我们的目标是要找到最粗的分类超平面，即令最近所有训练样本$x_i$到分类超平面的最小距离最大，此外这个超平面还要能正确划分所有训练样本。
$$max:margin(w)；subject：correctness$$
其中：
$correctness：y_n = sign(w^Tx_n)$， 即 $every \quad y_nw^Tx_n>0$
$margin(w) = min_{n=1,...,N} \, distance(x_n, w)$
1. Standard Large-Margin SVM
对于给定的训练数据集和超平面，定义超平面$(w, b)$关于样本点$(x_i, y_i)$的函数间隔为：
$$distance(x_i,b,w,)=y_i(w^Tx_i+b)$$
函数间隔可以表示分类预测的正确性以及确信度，但是选择分离超平面时，只有函数间隔还不够，因为只要成比例地改变$w$和$b$，例如将它们改为$2w$和$2b$，超平面并没有改变，但是函数间隔却成为原来的2倍。如果不对$w$加以约束，最终优化得到的超平面会趋向于带有很小的$w$，而不是真正的最大间隔超平面。所以对$w$进行规范化，如$||w||=1$，这时函数间隔成为几何间隔。
对于给定的训练数据集和超平面，定义超平面$(w, b)$关于样本点$(x_i, y_i)$的几何间隔为：
$$distance(x_i,b,w,)=\frac{1}{||w||}y_i(w^Tx_i+b)$$
于是问题就变成了：
$$\binom{\underset{b,w}{max}\quad margin(b,w)}{sb.\quad every\quad y_n(w^Tx_n+b)>0,\quad margin(b,w)=\underset{n=1,...,N}{min}\frac{1}{\left \| w \right \|}y_n(w^Tx_n+b)}$$
考虑到缩放对超平面没有影响，为了进一步化简上述公式，进行一次特殊的缩放：令$min_{n=1,...,N}y_n(w^Tx_n+b)=1$，于是$margin(b,w)=\frac{1}{||w||}$.上述公式便成了：
$$\binom{\underset{b,w}{max}\quad \frac{1}{||w||}}{sb.\quad every\quad y_n(w^Tx_n+b)>0,\quad \underset{n=1,...,N}{min}y_n(w^Tx_n+b)=1}$$
其中两个约束条件可以合并为一个，$max\frac{1}{||w||}$可以换成$min\frac{1}{2}w^Tw$
$$\binom{\underset{b,w}{min}\quad \frac{1}{2}w^Tw}{sb.\quad every\quad y_n(w^Tx_n+b)>=1\quad for\quad all\quad n }$$
这是一个凸二次规划(convex quadratic programming)问题，通用的QP solver都可以解决这个问题。
2. Dual Support Vector Machine
如果从凸二次规划角度来解决上述问题，那么问题的复杂度会跟样本个数和特征维度相关，如果特征维度特别大甚至无限大呢？那么从凸二次规划角度解这个问题效率就会非常低，我们需要把问题转化一下，使解决复杂度仅与样本个数相关。由此引入拉格朗日对偶性，将原始问题转换为对偶问题。首先构建拉格朗日函数，为此，对每一个不等式约束引进拉格朗日乘子$\alpha_{i}$，定义拉格朗日函数如下：
$$L(b, w, \alpha) = \frac{1}{2}w^Tw + \sum_{n=1}^{N}\alpha_{n}(1-y_n(w^Tz_n+b))\qquad(2.1)$$
根据拉格朗日对偶性，原始问题的对偶问题是极大极小问题：
$$SVM\equiv \underset{b,w}{min}(\underset{all\,\alpha_n>=0}{maxL(b,w,\alpha)})\qquad(2.2)$$
对于给定的任意的$\alpha'$($\alpha'_n>=0$):
$$\underset{b,w}{min}(\underset{all\,\alpha_n>=0}{maxL(b,w,\alpha)})>=\underset{b,w}{min}L(b,w,\alpha')\qquad(2.3)$$
因为$max>=any$. 那么进一步：
$$\underset{b,w}{min}(\underset{all\,\alpha_n>=0}{maxL(b,w,\alpha)})>=\underset{all\,\alpha'_n>=0}{max}\underset{b,w}{min}L(b,w,\alpha')\qquad(2.4)$$
有一个叫Slater's condition的东西告诉我们满足这个条件时原始问题具有强对偶性，此时可以把上述公式的'$>$'去掉，即左右两边的解相等，因此我们的SVM问题变成了对如下问题的求解：
$$\underset{all\,\alpha_n>=0}{max}\underset{b,w}{min}(\frac{1}{2}w^Tw + \sum_{n=1}^{N}\alpha_{n}(1-y_n(w^Tz_n+b)))\qquad(2.5)$$
对于公式2.5内部的$min$问题，可先后使拉格朗日函数对$b,w$求导等于0进行化简：
$$\frac{\partial L(b,w,,\alpha)}{\partial b}=0=-\sum_{n=1}^{N}\alpha_ny_n\qquad(2.6)$$
$$\frac{\partial L(b,w,,\alpha)}{\partial w}=0=w_i-\sum_{n=1}^{N}\alpha_{n}y_nz_{n,i}\qquad(2.7)$$
将公式2.6代入2.5化简去掉含$b$项：
$$\underset{all\,\alpha_n>=0,\sum_{n=1}^{N}\alpha_ny_n=0}{max}\underset{b,w}{min}(\frac{1}{2}w^Tw + \sum_{n=1}^{N}\alpha_{n}(1-y_n(w^Tz_n)))\qquad(2.8)$$
进一步根据公式2.7将$w=\sum_{n=1}^{N}\alpha_{n}y_nz_{n}$代入公式2.8，化简得：
$$\underset{all\,\alpha_n>=0,\sum_{n=1}^{N}\alpha_ny_n=0,w=\sum_{n=1}^{N}\alpha_{n}y_nz_{n}}{max}\underset{b,w}{min}(\frac{1}{2}w^Tw + \sum_{n=1}^{N}\alpha_{n}-w^Tw)\qquad(2.9)$$
继续化简：
$$\underset{all\,\alpha_n>=0,\sum_{n=1}^{N}\alpha_ny_n=0,w=\sum_{n=1}^{N}\alpha_{n}y_nz_{n}}{max} -\frac{1}{2}\left \| \sum_{n=1}^{N}a_ny_nz_n \right \|^2 + \sum_{n=1}^{N}\alpha_{n})\qquad(2.10)$$
上述对偶问题（公式2.10）的解决复杂度已经如前面所说，与特征维度无关，并且可以用QP solver求解出对偶问题的解$\alpha^q$。解出$\alpha$之后对应的$w^q$,$b^q$自然也可求出：
$$w^q = \sum_{n=1}^{N}\alpha_{n}y_nz_{n}\qquad b^q = y_j-\sum_{n=1}^{N}\alpha_iy_i(x_i*x_j)$$
那么问题来了，对偶问题求出的解$w^q,b^q$是否就是原始问题的解呢？
此时需要引入一个KKT条件（详情可自行google）：$\alpha^q$和$w^q$,$b^q$分别是对偶问题和原始问题的解的充分必要条件是$\alpha^q$和$w^q$,$b^q$满足KKT条件。所以最终求出的SVM的分类决策函数： 0 $$g_{svm}(x) = sign(w^T\Phi (x)+b)$$
至此，我们就已经解出了SVM的对偶问题。我们把所有$\alpha_n>0$的样本$(z_n,y_n)$叫做支持向量，下图中距离分类边界最近的三个用正方形框出的点即支持向量，$w,b$的值仅取决于支持向量。
总结的说，将原始SVM问题转换为对偶问题可使问题复杂度不与特征维度大小相关，而转换后的对偶问题满足KKT条件，所以对偶问题的解也就是原始问题的解。
Reference
-
《统计学习方法》，李航
-
《机器学习技法》，林轩田
