svm学习小笔记

（1）python中1和l，有时容易弄混

（2）svm中根据kkt条件来选择α，通过目标函数（其他α固定好后就是一个一元二次方程）来优化。

（3）先选出还没达到kkt条件的a1，因为a1更新公式为a1+（yi（e1-e2））/η。η=k(x1,x1)+k(x2,x2)-2(x1,x2)所以按|e1-e2|最大的那个a2去选这个a2。a1算出来之后还要进行修剪，在按那个和为o更新a2。每次更新一组a之后要更新下b，因为a求解与e有关，e的计算又和b有关，所以每次都要更新以下b。（更正：这样理解不太好，因为也可以用初始化的那个b，最后全部算完后再更新b，这样也能算。但是主要是因为每次要进行kkt条件判断，判断a与yi*ui=1之间的关系，从而判断这个点有没有达到kkt条件，每次更新都设计ui的更新，而ui更新又需要更新b，所以每次都要更新b）

（4）svm中b的更新方法，若更新后的有一个a在0到c之间，那么，这个就是支持向量，满足y（wx+b）=1，两边同时乘以y得到wx+b=y（因为y的值只取-1或1），w由所有的xiyiai求和得到，这里使用更新后的那一对a，带入得到b的更新，b=y-wx，w是更新后的w。哎，这个b的更新想了整整两天才想到，哎，，，若这对ai和aj不在0到c之间，那么算出它对应的两个b，更新的b值取这两个b的中间值。