<?xml version="1.0" encoding="utf-8" standalone="yes"?>
<oembed>
  <author_name>cookie-box</author_name>
  <author_url>https://blog.hatena.ne.jp/cookie-box/</author_url>
  <blog_title>クッキーの日記</blog_title>
  <blog_url>https://cookie-box.hatenablog.com/</blog_url>
  <categories>
    <anon>雑記</anon>
    <anon>機械学習</anon>
  </categories>
  <description>何か問題点がありましたらご指摘いただけますと幸いです。前々回の PRML 読み（ パターン認識と機械学習 下（第7章：その1） - クッキーの日記 ）でプロデューサーがハードマージンSVMの最適化問題を解いてたと思うんだけど、よくみるとなんかおかしいんだよな…。何がですか？元々のラグランジュ関数ってこれだろ？ 本の (7.7) 式かな。俺たちはこれを「最大化」するのと「最小化」するのとどちらをしたいのかといったら「最小化」したいんだよな？ いま訓練データと分類境界の最短距離が で、これを最大化したいんだから、 を最小化しないとだし。第2項についてはどうしたいのかはよくわかんないけど、これがある…</description>
  <height>190</height>
  <html>&lt;iframe src=&quot;https://hatenablog-parts.com/embed?url=https%3A%2F%2Fcookie-box.hatenablog.com%2Fentry%2F2019%2F01%2F12%2F235929&quot; title=&quot;雑記： SVMのラグランジュ乗数法と双対問題（途中） - クッキーの日記&quot; class=&quot;embed-card embed-blogcard&quot; scrolling=&quot;no&quot; frameborder=&quot;0&quot; style=&quot;display: block; width: 100%; height: 190px; max-width: 500px; margin: 10px 0px;&quot;&gt;&lt;/iframe&gt;</html>
  <image_url>https://cdn.blog.st-hatena.com/images/theme/og-image-1500.png</image_url>
  <provider_name>Hatena Blog</provider_name>
  <provider_url>https://hatena.blog</provider_url>
  <published>2019-01-12 23:59:29</published>
  <title>雑記： SVMのラグランジュ乗数法と双対問題（途中）</title>
  <type>rich</type>
  <url>https://cookie-box.hatenablog.com/entry/2019/01/12/235929</url>
  <version>1.0</version>
  <width>100%</width>
</oembed>
