SMO算法是干什么的?有什么作用?

最新推荐文章于 2024-07-15 22:35:32 发布

绝对不要看眼睛里的郁金香

最新推荐文章于 2024-07-15 22:35:32 发布

阅读量1.7k

点赞数

作者：[已重置]
链接：http://www.zhihu.com/question/40546280/answer/88539689
来源：知乎
著作权归作者所有，转载请联系作者获得授权。

SMO(Sequential Minimal Optimization)是针对求解SVM问题的Lagrange对偶问题，一个二次规划式，开发的高效算法。传统的二次规划算法的计算开销正比于训练集的规模，而SMO基于问题本身的特性（KKT条件约束）对这个特殊的二次规划问题的求解过程进行优化。对偶问题中我们最后求解的变量只有Lagrange乘子 ${\vec \alpha }$ 向量，这个算法的基本思想就是每次都只选取一对 $\left( {{\alpha _i},{\alpha _j}} \right)$ ，固定 ${\vec \alpha }$ 向量其他维度的元素的值，然后进行优化，直至收敛。

SMO干了什么？
首先，整个对偶问题的二次规划表达如下：
$\begin{align}\mathop {\max }\limits_{\vec \alpha } & \quad \sum\limits_{i = 1}^n {{\alpha _i}} - \frac{1}{2}\sum\limits_{i = 1}^n {\sum\limits_{j = 1}^n {{\alpha _i}{\alpha _j}{y_i}{y_j}{\bf{x}}_i^T{{\bf{x}}_j}} } \\s.t.& \quad \sum\limits_{i = 1}^n {{\alpha _i}{y_i}} = 0 \\& \quad {\alpha _i} \ge 0, \quad i = 1,2, \ldots ,n\end{align}$
SMO在整个二次规划的过程中也没干别的，总共干了两件事：

选取一对参数 $\left( {{\alpha _i},{\alpha _j}} \right)$
固定 ${\vec \alpha }$ 向量的其他参数，将 $\left( {{\alpha _i},{\alpha _j}} \right)$ 代入上述表达式进行求最优解获得更新后的 $\left( {{\alpha _i},{\alpha _j}} \right)$

SMO不断执行这两个步骤直至收敛。

因为有约束 $\sum\limits_{i = 1}^n {{\alpha _i}{y_i}} = 0$ 存在，实际上 ${{\alpha _i}}$ 和 ${{\alpha _j}}$ 的关系也可以确定。 ${\alpha _i}{y_i} + {\alpha _j}{y_j} = C$ 这两个参数的和或者差是一个常数。
&lt;img src="https://i-blog.csdnimg.cn/blog_migrate/c5879661e015c7d04266b0197adb35cd.png" data-rawwidth="633" data-rawheight="274" class="origin_image zh-lightbox-thumb" width="633" data-original="https://pic1.zhimg.com/071f3351b3eee2db40fea3ba944f9d7c_r.png"&gt;所以虽然宣传上说是选择了一对所以虽然宣传上说是选择了一对 $\left( {{\alpha _i},{\alpha _j}} \right)$ ，但还是选择了其中一个，将另一个写作关于它的表达式代入目标函数求解。

为什么SMO跑的那么快，比提出之前的算法不知道高到哪里去了？
正如上面提到的，在固定其他参数以后，这就是一个 单变量二次规划问题，仅有的约束也是这个变量 $\alpha _i \ge 0$ ，显然有闭式解。不必再调用数值优化算法。

KKT条件是对偶问题最优解的 必要条件：
$\begin{cases}{{\alpha _i} \ge 0}\\{{y_i}f\left( {{{\bf{x}}_i}} \right) - 1 \ge 0}\\{{\alpha _i}\left( {{y_i}f\left( {{{\bf{x}}_i}} \right) - 1} \right) = 0}\end{cases}$

除了第一个非负约束以外，其他约束都是根据目标函数推导得到的最优解必须满足的条件，如果违背了这些条件，那得到的解必然不是最优的，目标函数的值会减小。

所以在SMO迭代的两个步骤中，只要 $\left( {{\alpha _i},{\alpha _j}} \right)$ 中有一个违背了KKT条件，这一轮迭代完成后，目标函数的值必然会增大。Generally speaking，KKT条件违背的程度越大，迭代后的优化效果越明显，增幅越大。

怎样跑的更快？
和梯度下降类似，我们要找到使之优化程度最大的方向（变量）进行优化。所以SMO先选取违背KKT条件程度最大的变量，那么第二个变量应该选择使目标函数值增大最快的变量，但是这个变量怎么找呢？比较各变量优化后对应的目标函数值的变化幅度？这个样子是不行的，复杂度太高了。

SMO使用了一个启发式的方法，当确定了第一个变量后，选择使两个变量对应样本之间最大的变量作为第二个变量。直观来说，更新两个差别很大的变量，比起相似的变量，会带给目标函数更大的变化。间隔的定义也可以借用偏差函数
${E_i} = \max \left( {{y_i}f\left( {{{\bf{x}}_i}} \right) - 1,0} \right)$
我们要找的也就是使对于 $\alpha_i$ 来说使 $\left| {{E_i} - {E_j}} \right|$ 最大的 $\alpha_j$

很惭愧，只做了一点微小的工作。

References

[1] Platt, John. "Sequential minimal optimization: A fast algorithm for training support vector machines." (1998).

最近刚看完smo算法的代码，所以试着回答题主的问题。
解决svm首先将原始问题转化到对偶问题，而对偶问题则是一个凸二次规划问题，理论上你用任何一个解决凸二次规划的软件包都可以解决，但是这样通常来说很慢，大数据情况下尤其不实际，smo是微软研究院的大神发明的解决svm对偶问题的优化算法，可以更快找到好的解。通常而言分简化版和优化版smo算法。
简化版:每次迭代随机选取alpha_i和alpha_j,当然其中要有一个违反kkt条件，通常先选一个违反kkt条件的alpha_i，然后随机选择一个alpha_j,然后用类似坐标上升(下降)的算法来优化目标函数，具体细节题主可以看相关代码，推荐《machine learning in action》的svm部分，但是这样的优化方式并不是最快的；
优化版:用启发式的算法选择alpha_j,即选择alpha_j,使得|Ei-Ej|最大，至于为什么，因为变量的更新步长正比于|Ei-Ej|,也就是说我们希望变量更新速度更快，其余的和简化版其实区别不大；
应该还有其他版本的smo，没看过不做评论，希望对题主有用。

作者：司徒功源
链接：http://www.zhihu.com/question/40546280/answer/87204403
来源：知乎
著作权归作者所有，转载请联系作者获得授权。