超级会员免费看
SMO算法通过逐个优化参数λ来求解SVM的支持向量机问题。每次优化一个λ，其余参数固定，最终求得所有λ的值，进而确定w和b。约束条件λ_iyi=0用于构建超平面，通过λ的求解和KKT条件，可以找到分类边界的点，即支持向量，并计算出超平面的方程，实现数据的高维划分。
SMO叫做序列最小优化算法,其思想就是,每次只优化一个参数,固定住其他参数,也就是每次只求一个优化参数的极值,
然后将其他参数先固定住,这样一步步求解出所有的参数.
可以看到只要我们把所有的lamada求解出来了,那么,对应的w和b参数,就迎刃而解了.
可以看到在d公式中,上一节我们推导出来的d公式,可以看到,这个公式中,有lamada 1 ...lamada i 很多lamada对吧.
但是,因为我们有个约束条件 可以看到lamada i yi = 0
订阅专栏 解锁全文
扫一扫
评论
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
查看更多评论
添加红包
