SVM算法实现

转载于 http://blog.csdn.net/techq/article/details/6171688

 

关键字(keywords)：SVM 支持向量机 SMO算法 实现 机器学习    

 

      如果对SVM原理不是很懂的，可以先看一下入门的视频，对帮助理解很有用的，然后再深入一点可以看看这几篇入门文章，作者写得挺详细，看完以后SVM的基础就了解得差不多了，再然后买本《支持向量机导论》作者是Nello Cristianini 和 John Shawe-Taylor，电子工业出版社的。然后把书本后面的那个SMO算法实现就基本上弄懂了SVM是怎么一回事，最后再编写一个SVM库出来，比如说像libsvm等工具使用，呵呵，差不多就这样。这些是我学习SVM的整个过程，也算是经验吧。

      下面是SVM的简化版SMO算法，我将结合Java代码来解释一下整个SVM的学习训练过程，即所谓的train训练过程。那么什么是SMO算法呢？

 SMO算法的目的无非是找出一个函数f(x)，这个函数能让我们把输入的数据x进行分类。既然是分类肯定需要一个评判的标准，比如分出来有两种情况A和B,那么怎么样才能说x是属于A类的，或不是B类的呢？就是需要有个边界，就好像两个国家一样有边界，如果边界越明显，则就越容易区分，因此，我们的目标是最大化边界的宽度，使得非常容易的区分是A类还是B类。

 在SVM中，要最大化边界则需要最小化这个数值：

 

 

w：是参量，值越大边界越明显
C代表惩罚系数，即如果某个x是属于某一类，但是它偏离了该类，跑到边界上后者其他类的地方去了，C越大表明越不想放弃这个点，边界就会缩小
代表：松散变量
但问题似乎还不好解，又因为SVM是一个凸二次规划问题，凸二次规划问题有最优解，于是问题转换成下列形式（KKT条件）：

 …………(1)

这里的ai是拉格朗日乘子(问题通过拉格朗日乘法数来求解)
对于（a）的情况，表明ai是正常分类，在边界内部（我们知道正确分类的点yi*f(xi)>=0）
对于（b）的情况，表明了ai是支持向量，在边界上
对于（c）的情况，表明了ai是在两条边界之间
而最优解需要满足KKT条件，即满足（a）（b）（c）条件都满足
以下几种情况出现将会出现不满足：

yiui<=1但是ai<C则是不满足的,而原本ai=C
yiui>=1但是ai>0则是不满足的而原本ai=0
yiui=1但是ai=0或者ai=C则表明不满足的，而原本应该是0<ai<C
所以要找出不满足KKT的这些ai，并更新这些ai，但这些ai又受到另外一个约束，即

 

 

因此，我们通过另一个方法，即同时更新ai和aj，满足以下等式

 

就能保证和为0的约束。

 

利用y_ia_i+y_ja_j=常数，消去a_i，可得到一个关于单变量a_j的一个凸二次规划问题，不考虑其约束0<=a_j<=C,可以得其解为：

 

 ………………………………………(2)

这里………………(3)

表示旧值，然后考虑约束0<=a_j<=C可得到a的解析解为：

…………(4)

对于

那么如何求得a_i和a_j呢？

对于a_i，即第一个乘子，可以通过刚刚说的那几种不满足KKT的条件来找，第二个乘子a_j可以找满足条件 

 

…………………………………………………………………………（5）

b的更新：

在满足条件：下更新b。……………（6）

 

最后更新所有ai，y和b，这样模型就出来了，然后通过函数：

 ……………………………………………………（7）

输入是x，是一个数组，组中每一个值表示一个特征。

输出是A类还是B类。（正类还是负类）

 

以下是主要的代码段：

 

		/*
		 * 默认输入参数值
		 * C: regularization parameter
		 * tol: numerical tolerance
		 * max passes
		 */
		double C = 1; //对不在界内的惩罚因子
		double tol = 0.01;//容忍极限值
		int maxPasses = 5; //表示没有改变拉格朗日乘子的最多迭代次数
		
		/*
		 * 初始化a[], b, passes 
		 */
		
		double a[] = new double[x.length];//拉格朗日乘子
		this.a = a;
		
		//将乘子初始化为0
		for (int i = 0; i < x.length; i++) {
			a[i] = 0;
		}
		int passes = 0;
		
		
		while (passes < maxPasses) {
			//表示改变乘子的次数（基本上是成对改变的）
			int num_changed_alphas = 0;
			for (int i = 0; i < x.length; i++) {
				//表示特定阶段由a和b所决定的输出与真实yi的误差
				//参照公式(7)
				double Ei = getE(i);
				/*
				 * 把违背KKT条件的ai作为第一个
				 * 满足KKT条件的情况是：
				 * yi*f(i) >= 1 and alpha == 0 (正确分类)
				 * yi*f(i) == 1 and 0<alpha < C (在边界上的支持向量)
				 * yi*f(i) <= 1 and alpha == C (在边界之间)
				 * 
				 * 
				 * 
				 * ri = y[i] * Ei = y[i] * f(i) - y[i]^2 >= 0
				 * 如果ri < 0并且alpha < C 则违反了KKT条件
				 * 因为原本ri < 0 应该对应的是alpha = C
				 * 同理，ri > 0并且alpha > 0则违反了KKT条件
				 * 因为原本ri > 0对应的应该是alpha =0
				 */
				if ((y[i] * Ei < -tol && a[i] < C) ||
					(y[i] * Ei > tol && a[i] > 0)) 
				{
					/*
					 * ui*yi=1边界上的点 0 < a[i] < C
					 * 找MAX|E1 - E2|
					 */
					int j;
					/*
					 * boundAlpha表示x点处于边界上所对应的
					 * 拉格朗日乘子a的集合
					 */
					if (this.boundAlpha.size() > 0) {
						//参照公式(5)
						j = findMax(Ei, this.boundAlpha);
					} else 
						//如果边界上没有，就随便选一个j != i的aj
						j = RandomSelect(i);
					
					double Ej = getE(j);
					
					//保存当前的ai和aj
					double oldAi = a[i];
					double oldAj = a[j];
					
					/*
					 * 计算乘子的范围U, V
					 * 参考公式(4)
					 */
					double L, H;
					if (y[i] != y[j]) {
						L = Math.max(0, a[j] - a[i]);
						H = Math.min(C, C - a[i] + a[j]);
					} else {
						L = Math.max(0, a[i] + a[j] - C);
						H = Math.min(0, a[i] + a[j]);
					}
					
					
					/*
					 * 如果eta等于0或者大于0 则表明a最优值应该在L或者U上
					 */
					double eta = 2 * k(i, j) - k(i, i) - k(j, j);//公式(3)
					
					if (eta >= 0)
						continue;
					
					a[j] = a[j] - y[j] * (Ei - Ej)/ eta;//公式(2)
					if (0 < a[j] && a[j] < C)
						this.boundAlpha.add(j);
					
					if (a[j] < L) 
						a[j] = L;
					else if (a[j] > H) 
						a[j] = H;
					
					if (Math.abs(a[j] - oldAj) < 1e-5)
						continue;
					a[i] = a[i] + y[i] * y[j] * (oldAj - a[j]);
					if (0 < a[i] && a[i] < C)
						this.boundAlpha.add(i);
					
					/*
					 * 计算b1， b2
					 * 参照公式(6)
					 */
					double b1 = b - Ei - y[i] * (a[i] - oldAi) * k(i, i) - y[j] * (a[j] - oldAj) * k(i, j);
					double b2 = b - Ej - y[i] * (a[i] - oldAi) * k(i, j) - y[j] * (a[j] - oldAj) * k(j, j);
					
					if (0 < a[i] && a[i] < C)
						b = b1;
					else if (0 < a[j] && a[j] < C)
						b = b2;
					else 
						b = (b1 + b2) / 2;
					
					num_changed_alphas = num_changed_alphas + 1;
				}
			}
			if (num_changed_alphas == 0) {
				passes++;
			} else 
				passes = 0;
		}
		
		return new SVMModel(a, y, b);

运行后的结果还算可以吧，测试数据主要是用了libsvm的heart_scale的数据。

预测的正确率达到73%以上。

如果我把核函数从线性的改为基于RBF将会更好点。

最后，说到SVM算法实现包，应该有很多，包括svm light，libsvm，有matlab本身自带的svm工具包等。