能力提升 | SMO 学习笔记
关于 SMO 学习笔记。我对着李航的书看了 1-2 个小时，干了所有简单的事情，就是写不出代码。
因此，这里我开启了“提问式学习”，正好应景现在的“大模型时代”。
第一，目标函数中的 alpha，到底是数值还是向量？从约束判断，应该是个数字。想到这里就要好办很多。
第二，是把 alpha 或者 Yi 或者 Xi 代入目标函数考察吗？显然不是，这里用到 KKT 条件。
KKT 条件。
(a) alpha(i) >= 0
(b) Yi*f(xi) - 1 >= 0
(c) alpha(i) * [ Yi*f(xi) - 1 ] = 0
找出背离 KKT 条件程度最大的点，那么，这个背离程度怎么衡量呢？用的是偏差函数 E(i)。
E(i) = max{ Yi*f(xi)-1, 0 }
针对 alpha(i)，找到 alpha(j)，使得 |E(i)-E(j)| 最大。
点击查看《
SMO算法精解》，这里面对于数值和向量写得比较清楚。
补上基础知识。SMO 是 SVM 求解的核心算法，根据 SVM 所定义的最优化问题，怎么搜索最优解呢？用的就是 SMO 算法。
试一试吧！ 2025 年 8 月 10 日
忽然想到，我们为什么要做这个小网站，和投资人怎么说的？
这是 SMO 的总结。
这是 HHM 的朗读，应该没理解吧！！！
沪公安联网 31011502019103