雙重表示如何與支持向量相關？

機器學習的新手和我正在討論支持向量機的主題。有人可以驗證我是否正確地說，雙重表示與支持向量的關係如下：如果訓練數據上的權重不等於零，則我們可以將其推斷爲支持向量，並且支持向量越少是，解決方案越稀疏？雙重表示如何與支持向量相關？

非常感謝。

2016-12-20 Vinh N

訓練向量/是/對偶表示。你說的非零權重的訓練矢量是一個「支持矢量」是正確的。當你訓練你的支持向量機，並且分離邊界增加時，越來越多的訓練矢量的權重將變爲零。因此，如果您願意的話，支持是「支持」保證金的 - 它們是促成解決方案/分類的次優性或最優性的要點。 – BadZen

太棒了！感謝您的詳細解釋:) @BadZen –

雙表示法是溶液作爲訓練點位置（在如果內核是線性輸入空間中的實際位置的線性組合的表達;或它們在由內核誘導，如果一個高維特徵空間的位置非線性）。所以雙重表示由一組權重組成 - 一個數字對應於每個數據點。那些相應權重不爲零的數據點？是的，他們是支持向量。

2016-12-20 20:00:32 jez

感謝一家工廠！這爲我清除了它 –

回答