kkt条件例题求最优解_第七章 支持向量机(第4节 序列最小最优化算法 第2,3小节)...

本文详细介绍了SMO算法的选择变量策略,包括外层循环选择违反KKT条件最严重样本点作为第一个变量,内层循环根据特定条件选择第二个变量。通过对两个变量的优化求解,更新阈值,实现支持向量机的训练过程。
摘要由CSDN通过智能技术生成

2.变量的选择方法

SMO算法在每个子问题中选择两个变量进行优化,其中至少一个变量是违反KKT条件的。

这一小节,将告诉我们,到底选取哪两个变量最合适?也就是说,选择的标准是什么?

我们将这一小节分三步来讲:第一步,如何选择第一个变量?第二步,如何选择第二个变量?第三步,更新阈值

和差值

(1)第1个变量的选择

SMO称选择第1个变量的过程为外层循环。

外层循环在训练样本中选取违反KKT条件最严重的样本点,并将其对应的变量作为第1个变量。具体地,检验训练样本点

是否满足KKT条件,即

其中,

该检验是在

范围内进行的。在检验过程中,外层循环首先遍历所有满足条件
的样本点,即在间隔边界上的
支持向量点,检验它们是否满足KKT条件。如果这些样本点都满足KKT条件,那么遍历整个训练集,检验它们是否满足KKT条件。

(2)第2个变量的选择

SMO称选择第2个变量的过程为内层循环。

假设在外层循环中已经找到第1个变量

,现在要在内层循环中找到第2个变量
。第2个变量选择的标准是希望能使
足够大的变化

由上一小节内容,我们知道,

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值