序列最小最优化算法(SMO)的变量优化的第一个变量，你是怎么选择的呢?

作为svm算法的核心，smo算法是我们必须要吃透的。该算法的主要思想是：如果所有变量的解都满足最优化问题的KKT条件，那么这个最优化问题的解就是这个变量，因为KKT条件是这个最优化问题的充分必要条件。否则，选择两个变量，固定其他变量，针对这两个变量构建一个二次规划问题。这两个变量，一个是违反KKT条件最严重的那一个，另一个由约束条件自动确定。好了，李航老师的书就抄到这里吧！

上面说其中的一个变量需要违反KKT条件最恨，我们该怎样把它找出来呢？哎，要求有点高，还最恨？好好，要求降低一些，我们怎样找出一个违反KKT条件的变量呢？换句话说，给你一个变量，大佬你怎么判断它是否违反KKT条件呢？

我觉得可以采用逆向思维：要判断变量是否违反KKT条件，我们可以先给出KKT条件，若满足每个条件，就说明它没有违反，否则就违反了。好机智👌，这里KKT条件长这样：

这样一来，我们就可以写出判断变量是否违反KKT条件的代码了。

def _KKT(self, i):
    y_g = self._u(i)*self.Y[i]
    if self.alpha[i] == 0:
        return y_g >= 1
    elif 0 < self.alpha[i] < self.C:
        return y_g == 1
    else:
        return y_g <= 1