用SMO算法实现了SVM的感悟



自己的感悟：

其实SMO就是一开始认为所有的alpha=0（0<=alpha<=C），样本大多都是在模糊区的（Error_Cache!=0），所有非模糊区Error_Cache=0，一旦=0就是分好类的，对于最后的分类曲线的优化精确没有任何影响了。

随着优化深入，alpha能够做到精确的越来越多（Question：可能有【前面优化过的alpha【因后面的alpha优化使目标函数精确化从而再一次检测出Error_Cache步长>0】被再次优化】的情况吗？），模糊区之外的（随着alpha的更新Error_Cache在变）越来越少，b也变得越来越好，如同模糊区越来越窄一般。

转载请注明出处。