smo 算法

SMO算法原理 - 有何m不可 - 博客园

机器学习算法实践-SVM中的SMO算法 - 知乎

本文从坐标上升算法开始介绍，并对SMO算法的原理进行了简单的推导，针对SMO算法中对αα对的优化并使用了Python进行了简化版的SMO实现，并针对小数据集进行了训练得到了对应优化后的SVM。

Sequential minimal optimization - Wikipedia

Sequential minimal optimization (SMO) is an algorithm for solving the quadratic programming (QP) problem that arises during the training of support-vector machines (SVM).

什么是SMO算法 - CSDN博客

Oct 28, 2024 · 它由 John Platt 在 1998 年提出，目的是快速解决 SVM 的优化问题，特别是当数据集较大时，传统的二次规划方法效率较低，而 SMO 算法通过分解问题，使得计算变得更加高效。

SMO算法原理 - 有何m不可 - 博客园

Jul 5, 2025 · SMO（Sequential Minimal Optimization）算法是支持向量机（SVM）的一种高效优化算法，由微软研究院的 John Platt 在 1998 年提出。 以下从通俗理解和详细推导两个方面进行介绍：

序列最小优化算法 - 维基百科，自由的百科全书

序列最小优化算法 （英语： Sequential minimal optimization, SMO）是一种用于解决 支持向量机 训练过程中所产生优化问题的算法。 SMO由 微软研究院 的 约翰·普拉特 于1998年发明 [1]，目前被广泛使用于SVM的训练过程中，并在通行的SVM库LIBSVM中得到实现。

机器学习：详细推导序列最小优化SMO算法+Python实现 - 知乎

序列最小优化 (Sequential Minimal Optimization) 算法是结合SVM算法实际提出的高效优化方法，可以将支持向量机的训练速度提升一个量级。

序列最小优化算法_百度百科

序列最小优化算法（Sequential minimal optimization，简称SMO）是一种用于解决支持向量机训练过程中二次规划问题的优化算法，由微软研究院的约翰·普莱特于1998年提出。