SVM 推导与对偶问题
哪些公司问过
答案要点
- 原问题:min 1/2||w||² s.t. y_i(w·x_i+b) ≥ 1,凸二次规划
- 拉格朗日求导得 w = Σα_i y_i x_i、Σα_i y_i = 0,代回得对偶问题
- KKT 互补松弛:只有支持向量的 α_i > 0,决定决策边界
- 软间隔引入松弛变量和 C,约束变为 0 ≤ α_i ≤ C
- 对偶只依赖内积,便于核技巧;常用 SMO 求解
易错点
- 把间隔写成 1/||w|| 和 2/||w|| 混淆,不说清函数间隔与几何间隔
- 忘记对偶约束 Σα_i y_i = 0
- 说核函数需要先把数据显式映射到高维再计算
面试官常见追问
- SVM 和 MLP 有什么区别?
- 核函数映射到高维空间,计算量会不会显著增大?
- 一般怎么选核函数?
- 为什么 SVM 这么有效?
完整的口述示范答案、每个追问的参考回答,在启面刷题中心查看;也可以让 AI 面试官用语音按这道题连环追问你。