双重表示与支持向量有何关系?

How does dual representation relate to support vectors?

机器学习的新手,我正在讨论支持向量机的主题。有人可以验证我所说的双重表示与支持向量相关的说法是否正确,如果训练数据的权重不等于零,那么我们可以将其推断为支持向量,并且那里的支持向量越少是,解越稀疏?

在此先致谢。

对偶表示是将解决方案表示为训练点位置的线性组合(如果内核是线性的,则它们在输入中的实际位置 space;或者它们在高维特征中的位置 space 由内核诱导,如果是非线性的)。所以对偶表示由一堆权重组成——一个数字对应于每个数据点。那些相应权重非零的数据点?是的,它们是支持向量。