目录
????????在 TWSVM 中，利用拉格朗日乘子构建一个对偶问题并进行求解，但时间开销仍然比较大，对此有人提出了用最小二乘法来求解原始问题，求解之前需要对原始问题做一定的变换，将不等式约束变成等式约束。
1. 最优化问题
LS-TWSVM 的最优化问题定义如下，以其中一个超平面为例子：
该公式的最小化项的首项是正样本点到超平面的距离平方和，等式约束的目的是所有的负样本点到该超平面的距离在 1 附近，最小化公式的第二项就是这个误差的平方和。
2. 求解
????????首先将约束公式代入到最小化公式中得到：
求其对??的偏导并令偏导等于 0 可以得到如下两个式子，求解过程类似 TWSVM：
结合这两个式子可以得到：
转化一下：
即：
其中??来自于?
，
?同理。
提取??得到：
等同于：
令?，则有：
同理，求出另一个超平面的公式为：
????????在对一个新的数据进行分类时，只需要计算它到两个超平面的距离，它的类别就是距离更近的超平面对应的类别。
3. 算法流程
1. 按上面公式计算矩阵 E 和矩阵 F
2. 选择超参数 c1 和 c2
3. 按上面公式计算平面的超参数
4. 分类时，计算样本点到两个超平面的距离
