В предыдущем посте я дал общий обзор того, что такое алгоритм последовательной минимальной оптимизации и как он работает. В следующих постах мы будем разбивать концепции алгоритма SMO на управляемые фрагменты, которые вы сможете легко усвоить, понять и получить удовольствие. В этом посте мы укажем на два компонента алгоритма SMO.
Цель обучения:
Знание 2 компонентов алгоритма SMO.
Основной вопрос:
У нас есть общее представление о том, как работает алгоритм SMO, но каковы два основных компонента алгоритма, которые влияют на то, как он достигает своих целей?
Алгоритм SMO разделен на две основные задачи, первая задача включает в себя выбор, какие множители Лагранжа оптимизировать, а вторая задача включает реализацию аналитического метода для решения двух выбранных множителей Лагранжа. множители.
Обратите внимание, что два выбранных множителя Лагранжа должны удовлетворять всем ограничениям задачи оптимизации SVM. При выполнении этих ограничений ограничения неравенства приводят к тому, что выбранные множители Лагранжа лежат внутри «прямоугольника», как показано на рис. 1, а ограничения линейного равенства заставляют множители Лагранжа лежать на диагональной линии, как также показано на рис. 1.
В следующем посте мы рассмотрим первый аспект алгоритма SMO, который включает в себя выбор множителей Лагранжа для оптимизации.
