双重表示如何与支持向量相关？

机器学习的新手和我正在讨论支持向量机的主题。有人可以验证我是否正确地说，双重表示与支持向量的关系如下：如果训练数据上的权重不等于零，则我们可以将其推断为支持向量，并且支持向量越少是，解决方案越稀疏？双重表示如何与支持向量相关？

非常感谢。

2016-12-20 Vinh N

训练向量/是/对偶表示。你说的非零权重的训练矢量是一个“支持矢量”是正确的。当你训练你的支持向量机，并且分离边界增加时，越来越多的训练矢量的权重将变为零。因此，如果您愿意的话，支持是“支持”保证金的 - 它们是促成解决方案/分类的次优性或最优性的要点。 – BadZen

太棒了！感谢您的详细解释:) @BadZen –

双表示法是溶液作为训练点位置（在如果内核是线性输入空间中的实际位置的线性组合的表达;或它们在由内核诱导，如果一个高维特征空间的位置非线性）。所以双重表示由一组权重组成 - 一个数字对应于每个数据点。那些相应权重不为零的数据点？是的，他们是支持向量。

2016-12-20 20:00:32 jez

感谢一家工厂！这为我清除了它 –

回答