目录
0 写在前面
机器学习强基计划聚焦深度和广度,加深对机器学习模型的理解与应用。“深”在详细推导算法模型背后的数学原理;“广”在分析多个机器学习模型:决策树、支持向量机、贝叶斯与马尔科夫决策、强化学习等。
1 为什么需要SMO算法?
详细推导支持向量机SVM原理+Python实现中列出的SVM对偶问题的求解是二次规划问题,可使用二次规划算法进行数值解,但解的复杂度正比于拉格朗日乘子 的维度,造成很大的训练开销。
序列最小优化(Sequential Minimal Optimization)算法是结合SVM算法实际提出的高效优化方法,可以将支持向量机的训练速度提升一个量级。
SMO的优化目标就是上一篇文章介绍的软间隔SVM的优化目标,约束中略去与算法无关的KKT条件重新