由于候选alpha列表的顺序是从小到大的,所以如果有某个alpha不满足KKT条件,就会一直更新到它满足为止。我把svm.py每一次迭代更新的i1和i2打印出来,发现在很多情况下,i1和i2在5000次迭代里都是同一个下标,或者同两对下标。也就是说,最后只有一两个样本变成支持向量了。这样的训练结果合理吗?是否要随机打乱候选列表比较好?