Lecture 2.  Dual Support Vector Machine

2.1 Motivation of Dual Suppor Vector Machine

将 linear support vector machine 加上 feature transformation 就能得到 nonlinear support vector machine。这样做的好处，我们可以利用 svm 和 feature transformation 的优良特性_Q1：较小的 VC Dimension （SVM）、复杂的边界（feature transformation）。但是这样又引入了新的问题，计算量太大如图 2-1 所示

                                  图  2-1

QP 有 $\tilde{d}$ + 1 个变量和 N 个约束， 如果变量数太多计算量太大。

2.2 Lagrange Dual SVM

2.3 Solving Dual SVM

2.4 Messages behind Dual SVM

题外话：