关于SMO算法想请教您几个问题？

[JokerDu]

博主您好，关于SMO算法想请教您几个问题，之前也没有实现过SVM，看了您文章叫手撕很带劲，自己又重新连推导带手撕了一下，感谢感谢~
(1)之前问您的支持向量到超平面间隔应该相等的问题，因为我实现的结果和您的差不多，间隔看起来也不相等，我输出了自己模型的预测结果，每个支持向量到超平面距离也确实不相等，差别还很大，我也clone了您的SMO代码，输出了间隔如下：
(margin, label, example):
-1.973460528 -1.0 [3.542485, 1.977398]
-1.38201380007 -1.0 [2.114999, -0.004466]
5.08844420727 1.0 [8.127113, 1.274372]
-2.43899604116 -1.0 [4.658191, 3.507396]
5.08764339399 1.0 [8.197181, 1.545132]
4.85883569251 1.0 [7.40786, -0.121961]
4.58800136353 1.0 [6.960661, -0.245353]
3.8990174816 1.0 [6.080573, 0.418886]
-1.8990174816 -1.0 [3.107511, 0.758367]
间隔不等，超过容错率了，这一点没想通。
(2)eta=K11+K22-2K12，原SMO文章在eta<=0以后计算的是边界的目标函数值，不知道为什么eta<=0时alpha在边界上？
(3)我觉得在主while循环内部应该定义alphaPairsChanged = 0，加上后测试的代码只需要迭代3次。

[Jack-Cherish]

首先，感谢支持~
(1)这个不仅有容错率，还有软间隔C。我没有实际测试，但是感觉这个是影响的地方，不知道如何下手，如果有什么好测试办法。其实，我也在思考这个问题。如果有进展，还望赐教。
(2)-eta是目标函数的二阶偏导。-eta<=0，说明一阶导数没有最小值，就不做任何改变，本次循环结束直接运行下一次for循环。eta<=0时，alpha在边界上？原文是这么用的？
(3)这个是我少写了，现在就改。