SVM算法推导
1，SVM算法的思考出发点
SVM算法是一种经典的分类方法。对于线性可分问题，找到那个分界面就万事大吉了。这个分界面可以有很多，怎么找呢？SVM是要找到最近点距离最远的那个分界面。有点绕，看下面的图就明白了
为了推导简单，我们先假设样本集是完全线性可分的，也就一个分界面能达到100%的正确率。
2，线性可分的情况
（1）优化目标的建立
最近点距离最远的分界面，这句话得用数学式子表示出来，这样才能用数学工具进行求解。
首先，假设分界面是y=wx+b，点\(x_i\)距离平面的距离用数学表达是\(\gamma_i=\frac{y_i(wx_i+b)}{||w||}\)，这个是我们在中学学过的点到平面的距离，我们称之为几何距离。因为点分布在平面的两侧，所以这里乘以了\(y_i\)。
“最近点”该如何表达呢？
\(\gamma\)
s.t \(y_i(\frac{w\cdot x_i+b}{||w||})>=\gamma, i=1,2,...N\)
最近点距离最远的分界面，就是要上面的距离最大，用数学语言表示为
\(max_{w,b} \gamma\)
s.t \(y_i(\frac{w\cdot x_i+b}{||w||})>=\gamma, i=1,2,...N\)
到目前为止，我们的目标函数已经得到。
分析这个目标函数，这是个有约束的优化问题，但是要求解的w在分母上，为了方便求解，我们做一些整理，原优化问题为，
\(max_{w,b}\frac{y^*(w\cdot x^*+b)}{||w||}\)
s.t \(y_i(\frac{w\cdot x_i+b}{||w||})>=\frac{y^*(w\cdot x^*+b)}{||w||}, i=1,2,...N\)
其实\(y^*(w\cdot x^*+b)\)的值对最终的结果没有影响，就像y=ax+b与2y=2ax+2b其实是一样，所以不妨让\(y^*(w\cdot x^*+b)=1\)，这样目标函数变为，
\(max_{w,b}\frac{1}{||w||}\)
s.t \(y_i(w\cdot x_i+b)>=1, i=1,2,...N\)
在考虑到最大化\(\frac{1}{||w||}\)和最小化\(||w||^2\)的等价的，目标函数可以写成如下形式
\(min_{w,b}\frac{1}{2}||w||^2\)
s.t \(y_i(w\cdot x_i+b)>=1, i=1,2,...N\)
这样就变成了一个容易求解的凸二次规划问题。
（2）优化目标的求解
对于凸二次规划问题，常用的求解方法就是拉格朗日对偶算法。
对偶问题和原问题的解是否相同呢？只有相同，我们才能用对偶算法。按照李航《统计学习方法》附录C，定理C.2，
回到我们的目标函数，因为数据线性可分，肯定存在w，使得所有不等式小于0（目标函数中的约束不等式取个负号，大于等于变成小于等于）。因此，我们可以通过求解对偶问题得到原始问题的解。
首先，构建拉格朗日函数，将不等式约束去除，
\(L(w,b,\alpha)=||w||^2-\sum_{i=1}^N\alpha_iy_i(w\cdot x_i+b)+\sum_{i=1}^N\alpha_i\)，要求\(\alpha_i>=0\)
原始问题的对偶问题是极大极小问题，
\(max_\alpha min_{w,b}L(w,b,\alpha)\)
下面开始求解这个问题
接下来求解相应的\(\alpha\)，这里不在详述。
求解出\(\alpha\)，根据定理C.3，求解原问题的解
假设\(\alpha^*\)是对偶问题最优解，\(w^*,b^*\)是原始问题最优解，根据KKT条件成立，即得：
(1)\(\triangledown L(w^*,b^*,\alpha^*)=w^*-\sum_{i=1}^N \alpha_i^* y_i x_i=0\)，得到\(w^*=\sum_{i=1}^N \alpha_i^* y_i x_i=0\)
(2)\(\triangledown L(w^*,b^*,\alpha^*)=-\sum_{i=1}^N \alpha_i^*y_i=0\)
(3)\(a_i^*(y_i(w^* \cdot x_i+b^*)-1)=0\),i=1,2,3..N
(4)\(y_i(w^* \cdot x_i+b^*)-1\)>=0,i=1,2,..N
(5)\(a_i^*>=0\),i=1,2,...N
至少有一个\(\alpha_j>0\)，这个可以用反证法证明，假设\(\alpha^*=0\)，由（1）得\(w^*=0\)，但是\(w^*=0\)不是原问题的一个解，因此肯定存在\(\alpha_j>0\)，那么根据（3）得到
\(y_j(w^* \cdot x_j+b^*)-1=0\)
左后乘以\(y_j得到\)
\(b^*=y_i-\sum_{i=1}^N \alpha_i^* y_i (x_i \cdot x_j)\)
由此，得到了分类超平面的w和b，决策函数可以写成
\(f(x) = sign(\sum_{i=1}^N \alpha_i y_i (x_i \cdot x)+b^*)\) （*）
由此可以看出，分类决策函数只依赖于输入x和训练样本的内积。前面分析过存在\(\alpha_j>0\)，那么根据（3）可以得到\(y_j(w^* \cdot x_j+b^*)-1=0\)，\(\alpha_j>0\)对应的样本叫做支持向量，它们分布于分隔边界上。还有一部分样本，它们分布在分隔边界里，这些样本满足\(y_i(w^* \cdot x_i+b^*)-1>0\)，那么根据（3）可知，这些样本对应的\(\alpha\)分量为0。所以，从（*）式看到，一个新来的样本x被分成哪个类，至于支持向量有关，而与其它训练样本无关，因为它们对应的\(\alpha_i\)为0.
3,线性可分但是存在异常点
实际情况中，用来训练模型的数据，很少有完全线性可分，总是存在部分异常点。而在2部分推导的模型，显然没有考虑这种情况。
在2部分得到的优化目标是
\(min_{w,b}\frac{1}{2}||w||^2\)
s.t \(y_i(w\cdot x_i+b)>=1, i=1,2,...N\)
为了使这个优化目标能够容忍异常，我们为每个样本点添加个松弛因子\(\xi_i\)，容许这个点超出些界限，约束变成\(y_i(w\cdot x_i+b)>=1-\xi_i, i=1,2,...N\)。但是每个松弛因子的添加也不能不付出代价，所以最终的目标函数变成
\(min_{w,b}\frac{1}{2}||w||^2+C\sum_{i=1}^{N}\xi_i\)
s.t \(y_i(w\cdot x_i+b)>=1-\xi_i, i=1,2,...N\)
\(\xi_i>=0,i=1,2,3...N\)
目标函数的求解和2部分大同小异，这里不再推导，具体可参见李航《统计学习方法》第7章。最终结果是：
\(w^*=\sum_{i=1}^N \alpha_i^* y_i x_i=0\)
\(b^*=y_i-\sum_{i=1}^N \alpha_i^* y_i (x_i \cdot x_j)\)
形式上看和2部分相同，但是\(y_i\)的条件不同，这里不细述。
这里给出KKT条件，这有利于我们对支持向量的分析。
(1)\(\triangledown_w L(w^*,b^*,\xi^*,\alpha^*,\mu^*)=w^*-\sum_{i=1}^N \alpha_i^* y_i x_i=0\)，得到\(w^*=\sum_{i=1}^N \alpha_i^* y_i x_i=0\)
(2)\(\triangledown_b L(w^*,b^*,\xi^*,\alpha^*,\mu^*)=-\sum_{i=1}^N \alpha_i^*y_i=0\)
(3)\(\triangledown_\xi L(w^*,b^*,\xi^*,\alpha^*,\mu^*)=C-\alpha^*-\nu^*=0\)
(4)\(a_i^*(y_i(w^* \cdot x_i+b^*)-1+\xi_i^*)=0\),i=1,2,3..N
(5)\nu_i^*\xi_i^*=0
(6)\(y_i(w^* \cdot x_i+b^*)-1+\xi_i^*\)>=0,i=1,2,..N
(7)\(a_i^*>=0\),i=1,2,...N
(8)\(\xi_i>=0\),i=1,2,...N
(9)\(\mu_i^*>=0\),i=1,2,...N
\(\alpha_i^*>0\)的样本点的实例\(x_i\)称作为支持向量，在2部分，只有间隔边界上的点满足\(\alpha_i^*>0\)。但是，当引入松弛变量时，情况变的复杂。
第一类点：间隔边界里面的点
这些点满足 \(y_i(w^* \cdot x_i+b^*)>1 \)，由（4）得\(\alpha_i^*=0\)，由（2）得\(\mu_i^*=0\)，又由（5）得\(\xi_i^*=0\)，
第二类点：间隔边界上的点
若\(0<\alpha_i^*<C\)，则\(\xi_i^*=0\)，支持向量落在间隔边界上。由（3）（4）(5)容易推得。
第三类点：间隔边界和分界线之间的点
若\(\alpha_i^*=C\)，\(0<\xi_i^*<1\)，则分类正确，\(x_i\)在间隔边界和分界线之间。由（3）（4）容易推得。
第四类点：分错的点
若\(\alpha_i^*=C\)，\(\xi_i^*>1\)，则样本位于误分一侧。由（3）（4）容易推得。
参考下图理解
4，线性不可分的情况
现实中，很多情况下两类样本是线性不可分的。SVM的思路是进行空间映射，将样本从不可分的空间映射到可分的空间。
从前两部分推导出来分隔面可以看出，
\(f(x) = sign(\sum_{i=1}^N \alpha_i y_i (x_i \cdot x)+b^*)\)
新来的样本只需与训练样本做点积即可得到label. 其实，样本如何从A空间映射到B空间并不是很重要，只要能够得到两个样本在新空间的点积就够了。核函数正是利用这一思想。它省掉了映射这一步，这一步可以非常复杂，因此，核函数的应用提高了效率。
常用的核函数有：多项式核函数，高斯核函数，字符串核函数。
核函数理论很丰富，这里不再详述。
参考: 李航《统计学习方法》
