SMO要点总结
SMO要点总结：
SMO使用坐标上升的方法，求解SVM的最优解。和原始坐标上升方法的不同点在于：
1.
由于SVM的限制条件
，所以不能只使用一个坐标，改为更新两个
2.
采用启发式方法，找到每次更新的坐标，而不是按顺序来
SMO的终止条件即，所有参数都符合KKT条件：
对应在margin以外的点
对应在margin上的点
对应在margin内的点
其中
所以在伪代码中，使用如下代码判断，是否违反KKT条件
对于
的点，应该有
，即
，若起小于0，则判定为违反KKT条件；同样，对于
的点，判定大于0为违反KKT条件
当所有点都没有违反KKT条件时，说明已经达到最优解
当选定第一个更新坐标
后，根据以下规则选择
1.
首先在unbound（
）点中，选择使
最大的
2.
若1失败，按随机顺序从unbound（
）点中开始尝试
3.
若2失败，随机顺序从所有点尝试
更新
,
时，可以计算得到
的解析解，按以下公式更新：
由于a取值范围有限定，所以需要判断解析解是否在范围内
y1,y2异号
y1，y2同号
当新的a超过范围时，需要替换成对应的上下界
注意：
当是个大于0的数字，用以上公式更新$\alpha_2$;
当等于0时，原式变成一元一次式，在L或H处去的最小（
>0时，函数单调降，取H，否则取L）；
当小于0时，原式轮廓类似与$y=-x^2+1$，L和H谁离中间线(即
)远，谁取得最小値
得到新的a2后，计算a1
更新玩a后，接着需要更新
b
如果
为unbound，更新b为
如果
为unbound，更新b为
如果两者都为bound
最后更新每个点上的错误（考虑到只变化了
）
