机器学习笔记——SMO算法参数alpha上下界

参考文章

参考文章链接：https://blog.csdn.net/guoziqing506/article/details/81155323
文章博主：guoziqing506

在阅读博主【guoziqing506】文章：SVM解释：五、SMO算法的过程中，关于算法迭代中有部分推导未给出，此处做个笔记：

关于参数上下界的笔记

在SMO算法的解决过程中涉及到了两个参数的上下界问题，首先在解决优化问题中的约束条件如下：

其中$y_i=\pm 1$，通过上述条件可以将约束条件转化为求解${\alpha }_2({\alpha }_2=\gamma \cdot y_2-y_1\cdot y_2\cdot {\alpha }_1)$，且观察如上的约束条件可以得知，该约束条件可以理解为下图中形式：

在阅读博主的文章当中，关于两个参数${\alpha }_1$和${\alpha }_2$的上下界（上界$H$、下界$L$）如下：

$y_1$和$y_2$异号时

L = m a x ( 0 ,