第八讲. 支持向量机进行机器学习——Support Vector Machine
===============================
(一)、SVM 的 Cost Function
(二)、SVM —— Large Margin Classifier
(三)、数学角度解析为什么SVM 能形成 Large Margin Classifier(选看)
(四)、SVM Kernel 1 —— Gaussian Kernel
(五)、SVM 中 Gaussian Kernel 的使用
(六)、SVM的使用与选择
本章内容为支持向量机Support Vector Machine(SVM)的导论性讲解,在一般机器学习模型的理解上,引入SVM的概念。原先很多人,也包括我自己觉得SVM是个很神奇的概念,读完本文你会觉得,其实只是拥有不同的目标函数, 不同的模型而已,Machine Learning的本质还没有变,呵呵~
完成本文花了我很长时间,为了搞懂后面还有程序方便和参考网站大家实验,希望对大家有所帮助。
=====================================
(一)、SVM 的 Cost Function
前面的几章中我们分别就linear regression、logistic regression以及神经网络的cost function进行了讲解。这里我们通过logistic regression的cost function引入SVM。
首先回忆一下logistic regression的模型:
还是原先的假设,suppose我们只有两个类,y=0和y=1。那么根据上图h(x)的图形我们可以看出,
当y=1时,希望h(x)≈1,即z>>0;
当y=0时,希望h(x)≈0,即z<<0;
那么逻辑回归的cost function公式如下:
cost function我们之前已经讲过了,这里不予赘述。现在呢,我们来看看下面的两幅图,这两幅图中灰色的curve是logistic regression的cost function分别取y=1和y=0的情况,
y=1时,随着z↑,h(x)逐渐逼近1,cost逐渐减小。
y=0时,随着z↓,h(x)逐渐逼近0,cost逐渐减小。
这正是图中灰色曲线所示的曲线。
ok,现在我们来看看SVM中cost function的定义。请看下图中玫瑰色的曲线,这就是我们希望得到的cost function曲线,和logistic regression的cost function非常相近,但是分为两部分,下面呢,我们将对这个cost function进行详细讲解。
logistic regression的cost function:
现在呢,我们给出SVM的目标函数(cost function)定义:
该式中,cost0和cost1分别对应y=0和y=1时的目标函数定义,最后一项regularization项和logistic regression中的类似。感觉系数少了什么?是的,其实它们的最后一项本来是一样的,但是可以通过线性变换化简得到SVM的归一化项。
=====================================
(二)、SVM —— Large Margin Classifier
本节给出一个简单的结论——SVM是一个large margin classifier。什么是margin呢?下面我们做详细讲解,其理论证明将在下一节中给出。
在引入margin之前,我们回顾一下上一节中的SVM cost function curve,如下图所示分别是y取1和0时的情况。先给出一个结论,常数C取一个很大的值比较好(比如100000),这是为什么呢?
我们来看哈,C很大,就要求[]中的那部分很小(令[]中的那部分表示为W),不如令其为0,这时来分析里面的式子:
※需求1:
y=1时,W只有前一项,令W=0,就要求Cost1(θTx)=0,由右图可知,这要求θTx>=1;
y=0时,W只有后一项,令W=0,就要求Cost0(θTx)=0,由右图可知,这要求θTx<=-1;
由以上说明可知,对C的取值应该在分类是否犯错和margin的大小上做一个平衡。那么C取较大的值会带来什么效果呢?就是我们开头说的结论——SVM是一个large margin classifier。那么什么是margin?在第三章中我们已经讲过了decision boundary,它是能够将所有数据点进行很好地分类的h(x)边界。如下图所示,我们可以把绿线、粉线、蓝线或者黑线中的任意一条线当做decision boundary,但是哪一条最好呢?这里我们可以看出,绿色、粉色、蓝色这三类boundary离数据非常近,i.e.我们再加进去几个数据点,很有可能这个boundary就能很好的进行分类了,而黑色的decision boundary距离两个类都相对较远,我们希望获得的就是这样的一个decision boundary。margin呢,就是将该boundary进行平移所得到的两条蓝线的距离,如图中所指。
相对比:
C小,decision boundary则呈现为黑线;若C很大,就呈现粉线;
这个结论大家可以记住,也可以进行数学上的分析,下一节中我们将从数学角度分析,为什么SVM选用大valeu的C会形成一个large margin classifier。
再给出一个数学上对geometry margin的说明:
任意一个点x到分类平面的距离γ的表示如上图所示,其中y是{+1,-1}表示分类结果,x0是分类面上距x最短的点,分类平面的方程为wx+b=0,将x0带入该方程就有上面的结果了。对于一个数据集x,margin就是这个数据及所有点的margin中离hyperplane最近的距离,SVM的目的就是找到最大margin的hyperplane。
练习:
=====================================
(三)、数学角度解析为什么SVM 能形成 Large Margin Classifier(选看)
首先我们来看两个向量内积的表现形式。假设向量u,v均为二维向量,我们知道u,v的内积uTv=u1v1+u2v2。表现在坐标上呢,就如下图左边所示:
首先将v投影至u向量,记其长度为p(有正负,与u同向为正,反相为负,标量),则两向量的内积uTv = ||u|| · ||v|| · cosθ = ||u|| · p = u1v1+u2v2。
![](https://img-my.csdn.net/uploads/201208/10/1344594910_1507.png)
这样一来,我们来看SVM的cost function:
由于将C设的很大,cost function只剩下后面的那项。采取简化形式,意在说明问题即可,设θ0=0,只剩下θ1和θ2,
则cost function J(θ)=1/2×||θ||^2
而根据上面的推导,有θTx=p·||θ||,其中p是x在θ上的投影,则
※需求2:
y=1时,W只有前一项,令W=0,就要求Cost1(θTx)=0,由右图可知,这要求p·||θ||>=1;
y=0时,W只有后一项,令W=0,就要求Cost0(θTx)=0,由右图可知,这要求p·||θ||<=-1;
如下图所示:
我们集中精力看为什么SVM的decision boundary有large margin(这里稍微有点儿复杂,好好看哈):
对于一个给定数据集,依旧用X表示正样本,O表示负样本,绿色的线表示decision boundary,蓝色的线表示θ向量的方向,玫瑰色表示数据在θ上的投影。
我们已知boundary的角度和θ向量呈的是90°角(自己画一下就知道了)。
先看这个图,对于这样一个decision boundary(没有large margin),θ与其呈90°角如图所示,这样我们可以画出数据集X和O在θ上的投影,如图所示,非常小;如果想满足[需求2]中说的
对正样本p·||θ||>=1,
对负样本p·||θ||<=-1,
就需要令||θ||很大,这就和cost function的愿望(min 1/2×||θ||^2)相违背了,因此SVM的不出来这个图中所示的decision boundary结果。
那么再来看下面这个图,
它选取了上一节中我们定义的“比较好的”decision boundary,两边的margin都比较大。看一下两边数据到θ的投影,都比较大,这样就可以使||θ||相对较小,满足SVM的cost function。因此按照SVM的cost function进行求解(optimization)得出的decision boundary一定是有large margin的。说明白了吧?!
练习:
分析:由图中我们可以看出,decision boundary的最优解是y=x1,这时所有数据集中的数据到θ上的投影最小值为2,换言之,想满足
对正样本p·||θ||>=1,
对负样本p·||θ||<=-1,
只需要
对正样本2·||θ||>=1,
对负样本(-2)·||θ||<=-1,
因此需要||θ||>=1/2,本着令cost function最小的原则,我们可知||θ||=1/2.
=====================================
(四)、SVM Kernel 1 —— Gaussian Kernel
对于一个非线性Decision boundary,我们之前利用多项式拟合的方法进行预测:
- f1, f2, ... fn为提取出来的features。
- 定义预测方程hθ(x)为多项式的sigmod函数值:hθ(x)=g(θ0f0+θ1f1+…+θnfn),其中fn为x的幂次项组合(如下图)
- 当θ0f0+θ1f1+…+θnfn>=0时hθ(x)=1;else hθ(x)=0;
那么,除了将fn定义为x的幂次项组合,还有没有其他方法表示 f 呢?本节就引入了Kernel,核的概念。即用核函数表示f。
![](https://img-my.csdn.net/uploads/201208/10/1344611121_9005.png)
![](https://img-my.csdn.net/uploads/201208/10/1344611161_3234.png)
发现相似度计算公式很像正态分布(高斯分布)对不对?是的!这就是高斯核函数。由下图可以看出,
x和l越相似,f越接近于1;
x与l相差越远,f越接近于0;
下图中的横纵坐标为x的两个维度值,高为f(new feature)。制高点为x=l的情况,此时f=1。
随着x与l的远离,f逐渐下降,趋近于0.
下面我们来看SVM核分类预测的结果:
引入核函数后,代数上的区别在于f变了,原来f是x1/x1^2/...,即xi幂次项乘积
引入核函数后,几何上来说可以更直观的表示是否应该归为该类了(如下图)
- 比如我们想将坐标上的所有数据点分为两类(如下图中)红色圈内希望预测为y=1;圈外希望预测为y=0。通过训练数据集呢,我们得到了一组θ值(θ0,θ1,θ2,θ3)=(-0.5,1,1,0)以及三个点(L1,L2,L3),(具体怎么训练而成的大家先不要过分纠结,后面会讲)
- 对于每个test数据集中的点,我们首先计算它到(L1,L2,L3)各自的相似度,也就是核函数的值(f1,f2,f3),然后带入多项式θ0f0+θ1f1+…+θnfn计算,当它>=0时,预测结果为类内点(正样本,y=1),else预测为负样本,y=0
=====================================
(五)、SVM 中 Gaussian Kernel 的使用
§5.1. landmark的选取和参数向量θ的求解
上一节中我们遗留了两个问题,一个是一些L点的选取,一个是向量θ计算。这一节我们就来讲讲这两个问题。
首先来看L的选取。上一节中一提到Gaussian kernel fi 的计算:
这里呢,我们选择m个训练数据,并取这m个训练数据为m个landmark(L)点(不考虑证样本还是负样本),如下图所示:
PS:那么在这m个训练数据中,每一个训练数据x(i)所得的特征向量(核函数)f中,总有一维向量的值为1(因为这里x(i)=l(i))
于是,每个特征向量f有m+1维(m维训练数据[f1,f2,...,fm]附加一维f0=1)
在SVM的训练中,将Gaussian Kernel带入cost function,通过最小化该函数就可与得到参数θ,并根据该参数θ进行预测:
若θTf>=0,predicty=1;
else predict y=0;
如下图所示,这里与之前讲过的cost function的区别在于用kernel f 代替了x。
§5.2. landmark的选取和参数向量θ的求解
好了,至此Landmark点和θ的求取都解决了,还有一个问题,就是cost function中两个参数的确定:C和σ2。
对于C,由于C=1/λ,所以
C大,λ小,overfit,产生low bias,high variance
C小,λ大,underfit,产生high bias,low variance
详细原因请参考第六章中关于bias和variance的讲解。
对于方差σ2,和正态分布中的定义一样,
σ2大,x-f 图像较为扁平;
σ2小,x-f 图像较为窄尖;
关于C和σ2的选取,我们来做个练习:
解析,过拟合说明应该适当加强cost function中的正则项所起的作用,因此应增大λ,即减小C;同时,过拟合是的只有一小部分范围内的x享有较大f,或者说x的覆盖面太窄了,所以应当增大σ2。
=====================================
(六)、SVM 的 使用与选择
本节中主要介绍SVM在matlab中用libsvm中的应用,给大家一个用SVM进行实践的平台。
前面几节中我们已知用SVM进行机器学习的过程就是一个optimize参数θ的过程,这里呢,我们首先介绍一个 Chih-Chung Chang 和 Chih-Jen Lin 做的 matlab/C/Ruby/Python/Java...中通用的机器学习tool,libsvm,其基本讲解和测试我以前讲过(在这里),算是入门篇,并不详细,这里呢,我们将结合本章课程近一步学习,并用matlab实现。
首先大家来看看,想要进行SVM学习,有哪两类:
一种是No kernel(linear kernel),hθ(x)=g(θ0x0+θ1x1+…+θnxn),predict y=1 if θTx>=0;
另一种是使用kernel f(比如Gaussian Kernel),hθ(x)=g(θ0f0+θ1f1+…+θnfn),这里需要选择方差参数σ2
如下图所示:
需要注意的是,不管用那种方法,都需要在ML之前进行Normalization归一化!
当然,除了Gaussian kernel,我们还有很多其他的kernel可以用,比如polynomial kernel等,如下图所示,但andrew表示他本人不会经常去用(或者几乎不用)以下"more esoteric"中的核,一个原因是其他的核不一定起作用。我们讲一下polynomial kernel:
polynomial 核形如 K(x,l)= (xTl+c)d,也用来表示两个object的相似度
首先给大家引入一个数据集,在该数据集中,我们可以进行初步的libsvm训练和预测,如这篇文章中所说,这个也是最基本的no kernel(linear kernel)。
然后呢,给大家一个reference,这是libsvm中traing基本的语法:
- Usage: model = svmtrain(training_label_vector, training_instance_matrix, 'libsvm_options');
- libsvm_options:
- -s svm_type : set type of SVM (default 0)
- 0 -- C-SVC
- 1 -- nu-SVC
- 2 -- one-class SVM
- 3 -- epsilon-SVR
- 4 -- nu-SVR
- -t kernel_type : set type of kernel function (default 2)
- 0 -- linear: u'*v
- 1 -- polynomial: (gamma*u'*v + coef0)^degree
- 2 -- radial basis function: exp(-gamma*|u-v|^2)
- 3 -- sigmoid: tanh(gamma*u'*v + coef0)
- 4 -- precomputed kernel (kernel values in training_instance_matrix)
- -d degree : set degree in kernel function (default 3)
- -g gamma : set gamma in kernel function (default 1/num_features)
- -r coef0 : set coef0 in kernel function (default 0)
- -c cost : set the parameter C of C-SVC, epsilon-SVR, and nu-SVR (default 1)
- -n nu : set the parameter nu of nu-SVC, one-class SVM, and nu-SVR (default 0.5)
- -p epsilon : set the epsilon in loss function of epsilon-SVR (default 0.1)
- -m cachesize : set cache memory size in MB (default 100)
- -e epsilon : set tolerance of termination criterion (default 0.001)
- -h shrinking : whether to use the shrinking heuristics, 0 or 1 (default 1)
- -b probability_estimates : whether to train a SVC or SVR model for probability estimates, 0 or 1 (default 0)
- -wi weight : set the parameter C of class i to weight*C, for C-SVC (default 1)
- -v n : n-fold cross validation mode
- -q : quiet mode (no outputs)
下面给大家一个例子:
- function [ output_args ] = Nonlinear_SVM( input_args )
- %NONLINEAR_SVM Summary of this function goes here
- % Detailed explanation goes here
- %generate data1
- r=sqrt(rand(100,1));%generate 100 random radius
- t=2*pi*rand(100,1);%generate 100 random angles, in range [0,2*pi]
- data1=[r.*cos(t),r.*sin(t)];%points
- %generate data2
- r2=sqrt(3*rand(100,1)+1);%generate 100 random radius
- t2=2*pi*rand(100,1);%generate 100 random angles, in range [0,2*pi]
- data2=[r2.*cos(t2),r2.*sin(t2)];%points
- %plot datas
- plot(data1(:,1),data1(:,2),'r.')
- hold on
- plot(data2(:,1),data2(:,2),'b.')
- ezpolar(@(x)1);%在极坐标下画ρ=1,θ∈[0,2π]的图像,即x^2+y^2=1
- ezpolar(@(x)2);
- axis equal %make x and y axis with equal scalar
- hold off
- %build a vector for classification
- data=[data1;data2]; %merge the two dataset into one
- datalabel=ones(200,1); %label for the data
- datalabel(1:100)=-1;
- %train with Non-linear SVM classifier use Gaussian Kernel
- model=svmtrain(datalabel,data,'-c 100 -g 4');
- end
该例中我们分别生成了100个正样本和100个负样本,如下图所示,因为kernel type default=2(即Gaussian kernel),通过svmtrain(datalabel,data,'-c 100 -g 4')我们设置了第五节中奖的参数——C(c)和 2σ2(g)分别为100和4。
运行结果:
- >> Nonlinear_SVM
- *
- optimization finished, #iter = 149
- nu = 0.015538
- obj = -155.369263, rho = 0.634344
- nSV = 33, nBSV = 0
- Total nSV = 33
![](https://img-my.csdn.net/uploads/201208/12/1344757512_7469.png)
最后,我们比较一下logistic regresion和 SVM:
用n表示feature个数,m表示training exampl个数。
①当n>=m,如n=10000,m=10~1000时,建议用logistic regression, 或者linear kernel的SVM
②如果n小,m不大不小,如n=1~1000,m=10~10000,建议用Gaussian Kernel的SVM
③如果n很小,m很大,如n=1~1000,m>50000,建议增加更多的feature并使用logistic regression, 或者linear kernel的SVM
原因,①模型简单即可解决,③如果还用Gaussian kernel会导致很慢,所以还选择logistic regression或者linear kernel
神经网络可以解决以上任何问题,但是速度是一个很大的问题。
详见下图:
test:
我们可以把所有数据分为testset和training set两部分进行训练,example:
- load heart_scale
- [N D] = size(heart_scale_inst);
- % Determine the train and test index,select top 200 as training data
- % else as test data
- trainIndex = zeros(N,1); trainIndex(1:200) = 1;
- testIndex = zeros(N,1); testIndex(201:N) = 1;
- trainData = heart_scale_inst(trainIndex==1,:);
- trainLabel = heart_scale_label(trainIndex==1,:);
- testData = heart_scale_inst(testIndex==1,:);
- testLabel = heart_scale_label(testIndex==1,:);
- % Train the SVM
- model = svmtrain(trainLabel, trainData, '-c 1 -g 0.07 -b 1');
- % Use the SVM model to classify the data
- [predict_label, accuracy, prob_values] = svmpredict(testLabel, testData, model, '-b 1'); % run the SVM model on the test data
运行结果:
- optimization finished, #iter = 87
- nu = 0.426369
- obj = -56.026822, rho = -0.051128
- nSV = 77, nBSV = 62
- Total nSV = 77
- *
- optimization finished, #iter = 99
- nu = 0.486493
- obj = -64.811759, rho = 0.328505
- nSV = 87, nBSV = 68
- Total nSV = 87
- *
- optimization finished, #iter = 101
- nu = 0.490332
- obj = -64.930603, rho = 0.424679
- nSV = 87, nBSV = 67
- Total nSV = 87
- *
- optimization finished, #iter = 121
- nu = 0.483649
- obj = -64.046644, rho = 0.423762
- nSV = 87, nBSV = 65
- Total nSV = 87
- *
- optimization finished, #iter = 93
- nu = 0.470980
- obj = -63.270339, rho = 0.458209
- nSV = 83, nBSV = 67
- Total nSV = 83
- *
- optimization finished, #iter = 137
- nu = 0.457422
- obj = -76.730867, rho = 0.435233
- nSV = 104, nBSV = 81
- Total nSV = 104
- Accuracy = 81.4286% (57/70) (classification)
- >>