前言
起初让我最头疼的是拉格朗日对偶和SMO,后来逐渐明白拉格朗日对偶的重要作用是将w的计算提前并消除w,使得优化函数变为拉格朗日乘子的单一参数优化问题。而SMO里面迭代公式的推导也着实让我花费了不少时间。
对比这么复杂的推导过程,SVM的思想确实那么简单。它不再像logistic回归一样企图去拟合样本点(中间加了一层sigmoid函数变换),而是就在样本中去找分隔线,为了评判哪条分界线更好,引入了几何间隔最大化的目标。
之后所有的推导都是去解决目标函数的最优化上了。在解决最优化的过程中,发现了w可以由特征向量内积来表示,进而发现了核函数,仅需要调整核函数就可以将特征进行低维到高维的变换,在低维上进行计算,实质结果表现在高维上。由于并不是所有的样本都可分,为了保证SVM的通用性,进行了软间隔的处理,导致的结果就是将优化问题变得更加复杂,然而惊奇的是松弛变量没有出现在最后的目标函数中。最后的优化求解问题,也被拉格朗日对偶和SMO算法化解,使SVM趋向于完美。
1. 支持向量机基本概念及原理
1.1 间隔与支持向量
给定训练样本集 D = ( x ⃗ ( 1 ) , y ( 1 ) ) , ( x ⃗ ( 2 ) , y ( 2 ) ) , . . , ( x ⃗ ( m ) , y ( m ) ) , y i ∈ − 1 , + 1 ( 二 分 类 问 题 ) , x ⃗ ( i ) = ( x 1 ( i ) ; x 2 ( i ) ; . . . ; x d ( i ) ) D = {(\vec x^{(1)}, y^{(1)}), (\vec x^{(2)},y^{(2)}),..,(\vec x^{(m)},y^{(m)})}, y_i \in \\{-1, +1\\} (二分类问题) , \vec x^{(i)} =(x^{(i)}_1;x^{(i)}_2;...;x^{(i)}_d ) D=(x(1),y(1)),(x(2),y(2)),..,(x(m),y(m)),yi∈−1,+1(二分类问题),x(i)=(x1(i);x2(i);...;xd(i)) (注意,这里用的是分号, 表示这是一个列向量), SVM做的事情就是试图把一根"木棍"放在最佳位置, 好让"木棍"的两边都有尽可能大的"间隔".
这个"木棍"就叫做"划分超平面", 可以用下面的线性方程来描述:
w ⃗ T x ⃗ + b = 0 \vec w^T\vec x + b = 0 wTx+b=0
, 其中 w ⃗ = ( w 1 ; w 2 ; . . . ; w d ) \vec w =(w_1; w_2;...; w_d) w=(w1;w2;...;wd) 为 d d d 维法向量(注意,这里用的是分号, 表示这是一个列向量), x ⃗ \vec x x 为"木棍"上的点的坐标, b b b 为位移项.
根据点到"直线"的距离公式,我们可以得到样本空间中任意点 x ⃗ \vec x x 到超平面 ( w ⃗ , b ) (\vec w,b) (w,b) 的距离为:
r = ∣ w ⃗ T x ⃗ + b ∣ ∥ w ⃗ ∥ r = \frac{|\vec w^T\vec x+b|}{\|\vec w \|} r=∥w∥∣wTx+b∣
∥ w ⃗ ∥ = w 1 2 + w 2 2 + . . . + w d 2 \|\vec w\| = \sqrt{w_1^2 + w_2^2 + ... + w_d^2} ∥w∥=w12+w22+...+wd2 为向量长度(也即向量的L2范式)
首先假设 当前的超平面可以将所有的训练样本正确分类, 那么就有如下式子:
{ w ⃗ T x ⃗ ( i ) + b ≥ 0 , y ( i ) = + 1 w ⃗ T x ⃗ ( i ) + b ≤ 0 , y ( i ) = − 1 \begin{cases} \vec w^T\vec x^{(i)} + b \geq 0, & y^{(i)} = +1 \\ \vec w^T\vec x^{(i)} + b \leq 0, & y_{(i)} = -1 \end{cases} {wTx(i)+b≥0,wTx(i)+b≤0,y(i)=+1y(i)=−1
上式可以统一写成如下的约束不等式:()
y ( i ) ( w ⃗ T x ⃗ ( i ) + b ) ≥ 0 y^{(i)}(\vec w^T\vec x^{(i)} + b) \geq 0 y(i)(wTx(i)+b)≥0
上面的式子其实是冗余的, 因为假设样本点不在超平面上, 所以不可能出现等于0的情况, 又因为超平面方程两边都乘一个不等于0的数,还是 同一个超平面, 因此为了简化问题的表述, 我们对 w ⃗ \vec w w 和 b b b 加上如下约束(这里的1没有什么特别的含义, 可以是任意的常数, 因为这里的点 x ⃗ ( i ) \vec x^{(i)} x(i) 不是超平面上的点, 所以所得值不为0):
min i ∣ w ⃗ T x ⃗ ( i ) + b ∣ = 1 \min_i|\vec w^T\vec x^{(i)} +b| = 1 imin∣wTx(i)+b∣=1
即离超平面最近的正, 负样本距离超平面的距离为: 1 ∥ w ⃗ ∥ \frac{1}{\|\vec w\|} ∥w∥1 , 我们将这些距离超平面最近的几个训练样本点为定义"支持向量", 那么, 两个异类支持向量到超平面的距离之和就为 γ = 2 ∥ w ⃗ ∥ \gamma = \frac{2}{\|\vec w\|} γ=∥w∥2 , 我们将这称为"间隔".
同时, 根据此约束, 我们可以消除超分类平面约束的冗余, 得到新的超分类平面约束如下:
y ( i ) ( w ⃗ T x ⃗ ( i ) + b ) ≥ 1 y^{(i)}(\vec w^T\vec x^{(i)} + b) \geq 1 y(i)(wTx(i)+b)≥1
SVM的目的就是找到具有"最大间隔"的划分超平面, 也就是要找到满足约束 y ( i ) ( w ⃗ T x ⃗ ( i ) + b ) ≥ 1 y^{(i)}(\vec w^T\vec x^{(i)} + b) \geq 1 y(i)(wTx(i)+b)≥1中的参数 w ⃗ , b \vec w, b w,b , 使得其具有最大的间隔 γ \gamma γ , 也就:
arg
max
w
⃗
,
b
2
∥
w
⃗
∥
\arg\max_{\vec w,b}\frac{2}{\|\vec w\|}
argw,bmax∥w∥2
s
.
t
.
y
(
i
)
(
w
⃗
T
x
⃗
(
i
)
+
b
)
≥
1
,
i
=
1
,
.
.
.
,
m
s.t. y^{(i)}(\vec w^T \vec x{(i)} +b) \geq 1, i=1,...,m
s.t.y(i)(wTx(i)+b)≥1,i=1,...,m
显然, 为了最大化间隔 γ \gamma γ , 我们仅需要最大化 ∥ w ⃗ ∥ − 1 \|\vec w\|^{-1} ∥w∥−1 , 这就等于最小化 ∥ w ⃗ ∥ 2 \|\vec w\|^2 ∥w∥2, 于是上式等价为:
(1) arg min w ⃗ , b 1 2 ∥ w ⃗ ∥ 2 = arg min w ⃗ , b 1 2 w ⃗ T w ⃗ \arg\min_{\vec w,b} \frac{1}{2}\|\vec w\|^2 = \arg\min_{\vec w,b} \frac{1}{2}\vec w^T\vec w \tag 1 argw,bmin21∥w∥2=argw,bmin21wTw(1)
s . t . y ( i ) ( w ⃗ T x ⃗ ( i ) + b ) ≥ 1 , i = 1 , . . . , m s.t. y^{(i)}(\vec w^T \vec x{(i)} +b) \geq 1, i=1,...,m s.t.y(i)(wTx(i)+b)≥1,i=1,...,m
下图即为SVM示意图, 注意,图中的1可以被任意常数替换(只要前面乘上对应的系数即可, =0说明在超分类平面上, !=0说明在两侧)
以上就是线性可分时的SVM基本型(现实中大多数问题是线性不可分的, 所以线性可分的SVM没有太多实用价值)
1.2 对偶问题求解 w ⃗ \vec w w 和 b b b
1.2.1 问题说明
凸二次规划问题(convex quadratix programming): 目标函数是变量的二次函数, 约束条件是变量的线性不等式
对偶问题(dual problem):在求出一个问题解的同时, 也给出了另一个问题的解
我们希望通过求解式(1)来得到具有最大间隔的划分超平面的模型参数,由于该式是一个凸二次规划问题 因此,对该式使用拉格朗日乘子法得到其"对偶问题"
对于式(1)的每条样本点约束添加拉格朗日乘子 α ( i ) ≥ 0 \alpha^{(i)} \geq 0 α(i)≥0, 则该问题的拉格朗日函数为:
(2) L ( w ⃗ , b , α ) = 1 2 ∥ w ⃗ ∥ 2 + ∑ i = 1 m α ( i ) ( 1 − y ( i ) ( w ⃗ T x ⃗ ( i ) + b ) ) L(\vec w,b,\alpha) = \frac{1}{2}\|\vec w\|^2 +\sum_{i=1}^{m}\alpha^{(i)} (1-y^{(i)}(\vec w^T \vec x^{(i)} +b))\tag 2 L(w,b,α)=21∥w∥2+i=1∑mα(i)(1−y(i)(wTx(i)+b))(2)
其中, α ⃗ = ( α ( 1 ) , α ( 2 ) , . . . , α ( m ) ) , 每 一 个 α ( i ) 均 为 标 量 \vec \alpha = (\alpha^{(1)}, \alpha^{(2)},...,\alpha^{(m)}) ,每一个\alpha^{(i)}均为标量 α=(α(1),α(2),...,α(m)),每一个α(i)均为标量 .接着对 L ( w ⃗ , b , α ⃗ ) L(\vec w,b,\vec \alpha) L(w,b,α) 对 w ⃗ \vec w w 和 b b b 求偏导, 并令其为0, 可得:
(3) ∂ L ( w ⃗ , b , α ⃗ ) ∂ w ⃗ = w ⃗ − ∑ i = 1 m α ( i ) y ( i ) x ⃗ ( i ) = 0 \frac{\partial L(\vec w,b,\vec \alpha)}{\partial \vec w} = \vec w - \sum_{i=1}^{m} \alpha^{(i)}y^{(i)}\vec x^{(i)} = 0 \tag 3 ∂w∂L(w,b,α)=w−i=1∑mα(i)y(i)x(i)=0(3)
(4) ∂ L ( w ⃗ , b , α ⃗ ) ∂ b = − ∑ i = 1 m α ( i ) y ( i ) = 0 \frac{\partial L(\vec w,b,\vec \alpha)}{\partial b} = -\sum_{i=1}^{m}\alpha^{(i)} y^{(i)} = 0 \tag 4 ∂b∂L(w,b,α)=−i=1∑mα(i)y(i)=0(4)
将(3)和(4)代入(2)式中, 消去 w ⃗ \vec w w 和 b b b ( 注意, 这里 ∑ i = 1 m α ( i ) y ( i ) = 0 \sum_{i=1}^{m}\alpha^{(i)} y^{(i)} = 0 ∑i=1mα(i)y(i)=0, 但是不代表 α ( i ) y ( i ) = 0 \alpha^{(i)} y^{(i)} = 0 α(i)y(i)=0 ), 可得:
L ( w ⃗ , b , α ⃗ ) = 1 2 ( ∑ i = 1 m α ( i ) y ( i ) x ⃗ ( i ) ) 2 + ∑ i = 1 m α ( i ) − ∑ i = 1 m α ( i ) y ( i ) ( ∑ j = 1 m α ( j ) y ( j ) x ⃗ ( j ) ) T x ⃗ ( i ) − ∑ i = 1 m α ( i ) y ( i ) b L(\vec w, b, \vec \alpha) = \frac{1}{2}\bigg( \sum_{i=1}^{m}\alpha^{(i)} y^{(i)}\vec x^{(i)} \bigg)^2 + \sum_{i=1}^{m} \alpha^{(i)} - \sum_{i=1}^{m}\alpha^{(i)} y^{(i)} \Big( \sum_{j=1}^{m}\alpha^{(j)} y^{(j)} \vec x^{(j)} \Big)^T \vec x^{(i)} - \sum_{i=1}^{m} \alpha^{(i)} y^{(i)}b L(w,b,α)=21(i=1∑mα(i)y(i)x(i))2+i=1∑mα(i)−i=1∑mα(i)y(i)(j=1∑mα(j)y(j)x(j))Tx(i)−i=1∑mα(i)y(i)b
= ∑ i = 1 m α ( i ) − 1 2 ∑ i = 1 m ∑ j = 1 m α ( i ) y ( i ) α ( i ) y ( j ) x ⃗ ( i ) T x ⃗ ( j ) = \sum_{i=1}^{m}\alpha^{(i)} - \frac{1}{2} \sum_{i=1}^{m} \sum_{j=1}^{m} \alpha^{(i)} y^{(i)} \alpha^{(i)} y^{(j)} \vec x^{(i)T} \vec x^{(j)} =i=1∑mα(i)−21i=1∑mj=1∑mα(i)y(i)α(i)y(j)x(i)Tx(j)
这里 x ⃗ ( i ) , x ⃗ ( j ) \vec x^{(i)},\vec x^{(j)} x(i),x(j) 位置可互换, 为了好看,我将 x ⃗ ( i ) \vec x^{(i)} x(i) 写在了前面. 到此, 我们就得到了式(2)的对偶问题:
(5)
arg
max
α
⃗
(
∑
i
=
1
m
α
(
i
)
−
1
2
∑
i
=
1
m
∑
j
=
1
m
α
(
i
)
α
(
j
)
y
(
i
)
y
(
j
)
x
⃗
(
i
)
T
x
⃗
(
j
)
)
\arg\max_{\vec \alpha} \bigg( \sum_{i=1}^{m}\alpha^{(i)} - \frac{1}{2} \sum_{i=1}^{m} \sum_{j=1}^{m} \alpha^{(i)} \alpha^{(j)} y^{(i)} y^{(j)} \vec x^{(i)T} \vec x^{(j)} \bigg) \tag 5
argαmax(i=1∑mα(i)−21i=1∑mj=1∑mα(i)α(j)y(i)y(j)x(i)Tx(j))(5)
s
.
t
.
∑
i
=
1
m
α
(
i
)
y
(
i
)
=
0
,
其
中
α
(
i
)
≥
0
s.t. \sum_{i=1}^{m} \alpha^{(i)} y{(i)} = 0, 其中 \alpha^{(i)} \geq 0
s.t.i=1∑mα(i)y(i)=0,其中α(i)≥0
为了满足原始问题(1) 和对偶问题(5)之间的充分必要条件, 上述推导过程还需要满足KKT(Karush-Kuhn-Tucker)条件(其中前两条已经在上述推导过程中满足) , 即要求:
{ α ( i ) ≥ 0 ; y ( i ) f ( x ⃗ ( i ) ) − 1 ≥ 0 ; α ( i ) ( y ( i ) f ( x ⃗ ( i ) ) − 1 ) = 0. \begin{cases} \alpha^{(i)} \geq 0 ; \\ y^{(i)} f(\vec x^{(i)}) - 1 \geq 0 ; \\ \alpha^{(i)}(y^{(i)} f(\vec x^{(i)}) - 1 ) = 0. \end{cases} ⎩⎪⎨⎪⎧α(i)≥0;y(i)f(x(i))−1≥0;α(i)(y(i)f(x(i))−1)=0.
当我们解出上式得到 α ⃗ \vec \alpha α 后, 就可以通过求得 w ⃗ \vec w w 和 b b b 的值, 进而可得到划分超平面对应的模型:
f ( x ⃗ ) = w ⃗ T x ⃗ + b = ∑ i = 1 m α ( i ) y ( i ) x ⃗ ( i ) T x ⃗ + b f(\vec x) = \vec w ^T \vec x +b = \sum_{i=1}^{m} \alpha^{(i)} y^{(i)} \vec x^{(i)T} \vec x +b f(x)=wTx+b=i=1∑mα(i)y(i)x(i)Tx+b
根据KKT条件我们可以轻易得出, 对任意的训练样本 ( x ⃗ ( i ) , y ( i ) ) (\vec x^{(i)} , y^{(i)}) (x(i),y(i)) , 总有 α ( i ) = 0 \alpha^{(i)} = 0 α(i)=0 或 y ( i ) f ( x ⃗ ( i ) ) = 1 y^{(i)} f(\vec x^{(i)}) = 1 y(i)f(x(i))=1 . 若 α ( i ) = 0 \alpha^{(i)} = 0 α(i)=0 , 则该项对应的样本不会出现在求和项中 ; 若 α ( i ) > 0 \alpha^{(i)} > 0 α(i)>0 , 则必有 y ( i ) f ( x ⃗ ( i ) ) = 1 y^{(i)} f(\vec x^{(i)}) = 1 y(i)f(x(i))=1 , 这说明该样本点出现在最大间隔边界上, 是一个支持向量. 这显示出支持向量机的一个重要性质: 训练完成后, 大部分的训练样本都不需要保留(该样本对应的系数 α ( i ) = 0 \alpha^{(i)}=0 α(i)=0 ), 最终模型仅与支持向量有关.
使用SMO算法求对偶问题的解
从(5)式可以看出, 这仍是一个二次规划问题, 可以使用通用的二次规划法来求解, 但是, 该问题的规模正比于训练样本数量, 在实际任务中使用通用解法会造成很大的开销, 因此, 需要使用更高效的算法—SMO(Sequential Minimal Optimization, 序列最小算法)
SMO的基本思路: 先固定 α ( i ) \alpha^{(i)} α(i) 之外的所有参数, 然后求 α ( i ) \alpha^{(i)} α(i) 上的极值. 但是这里由于 α ( i ) \alpha^{(i)} α(i) 之间不是互相独立的, 需要满足约束 ∑ i = 1 m α ( i ) y ( i ) = 0 \sum_{i=1}^{m} \alpha^{(i)} y^{(i)} = 0 ∑i=1mα(i)y(i)=0 , 即一个分量改变, 另一个也要随之改变,因此每次在优化变量中选取两个分量 α ( i ) \alpha^{(i)} α(i) 和 α ( j ) \alpha^{(j)} α(j) ,并将其他参数固定, 然后在参数初始化后, 不断执行如下两个步骤直至收敛:
- 选取一对需要更新的变量 α ( i ) \alpha^{(i)} α(i) 和 α ( j ) \alpha^{(j)} α(j)
- 固定 α ( i ) \alpha^{(i)} α(i) 和 α ( j ) \alpha^{(j)} α(j) 以外的参数, 求解(5)式更新后的 α ( i ) \alpha^{(i)} α(i) 和 α ( j ) \alpha^{(j)} α(j)
具体的求解过程如下:
首先假设需要优化的参数是 α ( i ) \alpha^{(i)} α(i) 和 α ( j ) \alpha^{(j)} α(j) , 于是我们将剩下的分量 ∑ k = 1 , k ≠ i , j m α ( k ) y ( k ) \sum_{k=1,k\neq i,j}^{m} \alpha^{(k)} y^{(k)} ∑k=1,k̸=i,jmα(k)y(k) 固定, 作为常数处理, 可得下式:
α ( i ) y ( i ) + α ( j ) y ( j ) = − ∑ k = 1 , k ≠ i , j m α ( k ) y ( k ) = C \alpha^{(i)} y^{(i)} + \alpha^{(j)} y^{(j)} = -\sum_{k=1,k\neq i,j}^{m} \alpha^{(k)} y^{(k)} = C α(i)y(i)+α(j)y(j)=−k=1,k̸=i,j∑mα(k)y(k)=C
对上式两边同乘以 y ( j ) y^{(j)} y(j) ,由于 y ( j ) × y ( j ) = 1 y^{(j)}\times y^{(j)} = 1 y(j)×y(j)=1 可得:
α ( j ) = C y ( j ) − α ( i ) y ( i ) y ( j ) = y ( j ) ( C − α ( i ) y ( i ) ) \alpha^{(j)} = Cy^{(j)} - \alpha^{(i)} y^{(i)} y^{(j)} = y^{(j)}(C - \alpha^{(i)} y^{(i)}) α(j)=Cy(j)−α(i)y(i)y(j)=y(j)(C−α(i)y(i))
将上式代入(5)式, 消去变量 α ( j ) \alpha^{(j)} α(j) , 得到一个关于 α ( i ) \alpha^{(i)} α(i) 的单变量二次规划问题, 所有的常数项用 C C C 表示, (5)式被转换成如下,:
F
(
α
(
i
)
)
=
α
(
i
)
+
(
y
(
j
)
(
C
−
α
(
i
)
y
(
i
)
)
)
−
1
2
α
(
i
)
α
(
i
)
y
(
i
)
y
(
i
)
x
⃗
(
i
)
T
x
⃗
(
i
)
−
1
2
(
y
(
j
)
(
C
−
α
(
i
)
y
(
i
)
)
)
2
y
(
j
)
y
(
j
)
x
⃗
(
j
)
T
x
⃗
(
j
)
F(\alpha^{(i)}) = \alpha^{(i)} + \Big( y^{(j)}(C - \alpha^{(i)} y^{(i)}) \Big) - \frac{1}{2}\alpha^{(i)} \alpha^{(i)} y^{(i)}y^{(i)}\vec x^{(i)T}\vec x^{(i)} - \frac{1}{2}\Big( y^{(j)}(C - \alpha^{(i)} y^{(i)}) \Big)^2y^{(j)}y^{(j)}\vec x^{(j)T}\vec x^{(j)}
F(α(i))=α(i)+(y(j)(C−α(i)y(i)))−21α(i)α(i)y(i)y(i)x(i)Tx(i)−21(y(j)(C−α(i)y(i)))2y(j)y(j)x(j)Tx(j)
−
α
(
i
)
(
y
(
j
)
(
C
−
α
(
i
)
y
(
i
)
)
)
y
(
i
)
y
(
j
)
x
⃗
(
i
)
T
x
⃗
(
j
)
- \alpha^{(i)} \Big( y^{(j)}(C - \alpha^{(i)} y^{(i)}) \Big) y^{(i)}y^{(j)}\vec x^{(i)T} \vec x^{(j)}
−α(i)(y(j)(C−α(i)y(i)))y(i)y(j)x(i)Tx(j)
−
α
(
i
)
y
(
i
)
∑
k
=
1
,
k
≠
i
,
j
m
α
(
k
)
y
(
k
)
x
⃗
(
i
)
T
x
⃗
(
k
)
−
(
y
(
j
)
(
C
−
α
(
i
)
y
(
i
)
)
)
y
(
j
)
∑
k
=
1
,
k
≠
i
,
j
m
α
(
k
)
y
(
k
)
x
⃗
(
j
)
T
x
⃗
(
k
)
- \alpha^{(i)}y^{(i)}\sum_{k=1,k\neq i,j}^{m}\alpha^{(k)}y^{(k)}\vec x^{(i)T} \vec x^{(k)} - \Big( y^{(j)}(C - \alpha^{(i)} y^{(i)}) \Big) y^{(j)}\sum_{k=1,k\neq i,j}^{m}\alpha^{(k)}y^{(k)}\vec x^{(j)T}\vec x^{(k)}
−α(i)y(i)k=1,k̸=i,j∑mα(k)y(k)x(i)Tx(k)−(y(j)(C−α(i)y(i)))y(j)k=1,k̸=i,j∑mα(k)y(k)x(j)Tx(k)
=
α
(
i
)
+
(
y
(
j
)
(
C
−
α
(
i
)
y
(
i
)
)
)
−
1
2
(
α
(
i
)
)
2
x
⃗
(
i
)
T
x
⃗
(
i
)
−
1
2
(
C
−
α
(
i
)
y
(
i
)
)
2
x
⃗
(
j
)
T
x
⃗
(
j
)
−
α
(
i
)
(
(
C
−
α
(
i
)
y
(
i
)
)
)
y
(
i
)
x
⃗
(
i
)
T
x
⃗
(
j
)
−
α
(
i
)
y
(
i
)
v
(
i
)
−
(
C
−
α
(
i
)
y
(
i
)
)
v
(
j
)
+
C
= \alpha^{(i)} + \Big( y^{(j)}(C - \alpha^{(i)} y^{(i)}) \Big) - \frac{1}{2}(\alpha^{(i)})^2\vec x^{(i)T}\vec x^{(i)} - \frac{1}{2} \big( C - \alpha^{(i)}y^{(i)} \big)^2 \vec x^{(j)T}\vec x^{(j)} - \alpha^{(i)} \Big( (C - \alpha^{(i)} y^{(i)}) \Big) y^{(i)}\vec x^{(i)T} \vec x^{(j)} - \alpha^{(i)}y^{(i)}v^{(i)} - \big(C- \alpha^{(i)}y^{(i)} \big)v^{(j)} + C
=α(i)+(y(j)(C−α(i)y(i)))−21(α(i))2x(i)Tx(i)−21(C−α(i)y(i))2x(j)Tx(j)−α(i)((C−α(i)y(i)))y(i)x(i)Tx(j)−α(i)y(i)v(i)−(C−α(i)y(i))v(j)+C
=
α
(
i
)
+
(
y
(
j
)
(
C
−
α
(
i
)
y
(
i
)
)
)
−
1
2
(
α
(
i
)
)
2
K
i
,
i
−
1
2
(
C
−
α
(
i
)
y
(
i
)
)
2
K
j
,
j
−
α
(
i
)
(
(
C
−
α
(
i
)
y
(
i
)
)
)
y
(
i
)
K
i
,
j
−
α
(
i
)
y
(
i
)
v
(
i
)
−
(
C
−
α
(
i
)
y
(
i
)
)
v
(
j
)
+
C
= \alpha^{(i)} + \Big( y^{(j)}(C - \alpha^{(i)} y^{(i)}) \Big) - \frac{1}{2}(\alpha^{(i)})^2K_{i,i} - \frac{1}{2} \big( C - \alpha^{(i)}y^{(i)} \big)^2 K_{j,j} - \alpha^{(i)} \Big( (C - \alpha^{(i)} y^{(i)}) \Big) y^{(i)}K_{i,j} - \alpha^{(i)}y^{(i)}v^{(i)} - \big(C- \alpha^{(i)}y^{(i)} \big)v^{(j)} + C
=α(i)+(y(j)(C−α(i)y(i)))−21(α(i))2Ki,i−21(C−α(i)y(i))2Kj,j−α(i)((C−α(i)y(i)))y(i)Ki,j−α(i)y(i)v(i)−(C−α(i)y(i))v(j)+C
上式为了简便, 将
x
⃗
(
i
)
T
x
⃗
(
j
)
\vec x^{(i)T}\vec x^{(j)}
x(i)Tx(j) 简记为
K
i
,
j
K_{i,j}
Ki,j (后文会用K代表核函数, 这里姑且认为此时的核函数
K
K
K 为恒等映射),将上式对
α
(
i
)
\alpha^{(i)}
α(i) 求导, 并令其等于0, 可得:
∂ F ( α ( i ) ) ∂ α ( i ) = 1 − y ( i ) y ( j ) − α ( i ) K i , i + y ( i ) ( C − α ( i ) y ( i ) ) K j , j − ( C − α ( i ) y ( i ) − α ( i ) y ( i ) ) y ( i ) K i , j − y ( i ) v ( i ) + y ( i ) v ( j ) \frac{\partial F(\alpha^{(i)})}{\partial \alpha^{(i)}} = 1 - y^{(i)}y^{(j)} - \alpha^{(i)}K_{i,i} + y^{(i)}(C-\alpha^{(i)} y^{(i)})K_{j,j} - \Big( C-\alpha^{(i)}y^{(i)} - \alpha^{(i)} y^{(i)} \Big)y^{(i)}K_{i,j} - y^{(i)}v^{(i)} + y^{(i)}v^{(j)} ∂α(i)∂F(α(i))=1−y(i)y(j)−α(i)Ki,i+y(i)(C−α(i)y(i))Kj,j−(C−α(i)y(i)−α(i)y(i))y(i)Ki,j−y(i)v(i)+y(i)v(j)
= 1 − y ( i ) y ( j ) − α ( i ) ( K i , i + K j , j − 2 K i , j ) + C y ( i ) K j , j − C y ( i ) K i , j − y ( i ) ( v ( i ) − v ( j ) ) = 0 = 1-y^{(i)}y^{(j)} -\alpha^{(i)} \Big( K_{i,i} + K_{j,j} - 2K_{i,j}\Big) + Cy^{(i)}K_{j,j} - Cy^{(i)}K_{i,j} - y^{(i)}\big(v^{(i)} -v^{(j)} \big) = 0 =1−y(i)y(j)−α(i)(Ki,i+Kj,j−2Ki,j)+Cy(i)Kj,j−Cy(i)Ki,j−y(i)(v(i)−v(j))=0
下面对上式进行变形, 使得可以用 α o l d ( i ) \alpha_{old}^{(i)} αold(i) 来更新 α n e w ( i ) \alpha_{new}^{(i)} αnew(i) .
因为SVM对数据点的预测值为: f ( x ⃗ ) = ∑ i = 1 m α ( i ) y ( i ) K ( x ⃗ ( i ) , x ⃗ ) + b f(\vec x) = \sum_{i=1}^{m}\alpha^{(i)} y^{(i)} K(\vec x^{(i)},\vec x) + b f(x)=∑i=1mα(i)y(i)K(x(i),x)+b, 则 v ( i ) v^{(i)} v(i) 以及 v ( j ) v^{(j)} v(j) 的值可以表示成:
v ( i ) = ∑ k = 1 , k ≠ i , j m α ( k ) y ( k ) K i , k = f ( x ( i ) ) − α ( i ) y ( i ) K i , i − α ( j ) y ( j ) K i , j + b v^{(i)} = \sum_{k=1,k\neq i,j}^{m} \alpha^{(k)} y^{(k)} K_{i,k} = f(x^{(i)}) - \alpha^{(i)} y^{(i)} K_{i,i} - \alpha^{(j)} y^{(j)} K_{i,j} + b v(i)=k=1,k̸=i,j∑mα(k)y(k)Ki,k=f(x(i))−α(i)y(i)Ki,i−α(j)y(j)Ki,j+b
v ( j ) = ∑ k = 1 , k ≠ i , j m α ( k ) y ( k ) K j , k = f ( x ( j ) ) − α ( j ) y ( j ) K j , j − α ( i ) y ( i ) K j , i + b v^{(j)} = \sum_{k=1,k\neq i,j}^{m} \alpha^{(k)} y^{(k)} K_{j,k} = f(x^{(j)}) - \alpha^{(j)} y^{(j)} K_{j,j} - \alpha^{(i)} y^{(i)} K_{j,i} + b v(j)=k=1,k̸=i,j∑mα(k)y(k)Kj,k=f(x(j))−α(j)y(j)Kj,j−α(i)y(i)Kj,i+b
将 α ( j ) = y ( j ) ( C − α ( i ) y ( i ) ) \alpha^{(j)} = y^{(j)}(C - \alpha^{(i)} y^{(i)}) α(j)=y(j)(C−α(i)y(i)) 带到上式, 可得到 v ( i ) − v ( j ) v^{(i)} - v^{(j)} v(i)−v(j) 的表达式为:
v ( i ) − v ( j ) = f ( x ( i ) ) − f ( x ( j ) ) − α ( i ) y ( i ) K i , i + ( y ( j ) ( C − α ( i ) y ( i ) ) ) y ( j ) K j , j − ( y ( j ) ( C − α ( i ) y ( i ) ) ) y ( j ) K i , j + α ( i ) y ( i ) K j , i v^{(i)} - v^{(j)} = f(x^{(i)}) - f(x^{(j)}) - \alpha^{(i)} y^{(i)} K_{i,i} + \Big( y^{(j)}(C - \alpha^{(i)} y^{(i)}) \Big) y^{(j)} K_{j,j} - \Big( y^{(j)}(C - \alpha^{(i)} y^{(i)}) \Big) y^{(j)}K_{i,j} + \alpha^{(i)}y^{(i)}K_{j,i} v(i)−v(j)=f(x(i))−f(x(j))−α(i)y(i)Ki,i+(y(j)(C−α(i)y(i)))y(j)Kj,j−(y(j)(C−α(i)y(i)))y(j)Ki,j+α(i)y(i)Kj,i
= f ( x ( i ) ) − f ( x ( j ) ) − α ( i ) y ( i ) K i , i + C K j , j − α ( i ) y ( i ) K j , j − C K i , j + 2 α ( i ) y ( i ) K i , j = f(x^{(i)}) - f(x^{(j)}) - \alpha^{(i)}y^{(i)}K_{i,i} + CK_{j,j} - \alpha^{(i)}y^{(i)}K_{j,j} - CK_{i,j} + 2\alpha^{(i)}y^{(i)}K_{i,j} =f(x(i))−f(x(j))−α(i)y(i)Ki,i+CKj,j−α(i)y(i)Kj,j−CKi,j+2α(i)y(i)Ki,j
= f ( x ( i ) ) − f ( x ( j ) ) − α ( i ) y ( i ) ( K i , i + K j , j − 2 K i , j ) + C K j , j − C K i , j = f(x^{(i)}) - f(x^{(j)}) - \alpha^{(i)}y^{(i)} \Big( K_{i,i} + K_{j,j} -2K_{i,j} \Big)+ CK_{j,j} - CK_{i,j} =f(x(i))−f(x(j))−α(i)y(i)(Ki,i+Kj,j−2Ki,j)+CKj,j−CKi,j
注意 v ( i ) − v ( j ) v^{(i)} - v^{(j)} v(i)−v(j) 中 α ( i ) \alpha^{(i)} α(i) 是更新前初始化的值, 我们将其记作 α o l d ( i ) \alpha^{(i)}_{old} αold(i) ,以便与我们期望获得的更新后的分量 α n e w ( i ) \alpha^{(i)}_{new} αnew(i) 相区分 , 将 v ( i ) − v ( j ) v^{(i)} - v^{(j)} v(i)−v(j) 的表达式代入 ∂ F ( α ( i ) ) ∂ α n e w ( i ) \frac{\partial F(\alpha^{(i)})}{\partial \alpha^{(i)}_{new}} ∂αnew(i)∂F(α(i)) 中 , 可得到:
∂ F ( α n e w ( i ) ) ∂ α n e w ( i ) = 1 − y ( i ) y ( j ) − α n e w ( i ) ( K i , i + K j , j − 2 K i , j ) + C y ( i ) K j , j − C y ( i ) K i , j − y ( i ) ( f ( x ( i ) ) − f ( x ( j ) ) − α o l d ( i ) y ( i ) ( K i , i + K j , j − 2 K i , j ) + C K j , j − C K i , j ) \frac{\partial F(\alpha^{(i)}_{new})}{\partial \alpha^{(i)}_{new}} = 1-y^{(i)}y^{(j)} -\alpha^{(i)}_{new} \Big( K_{i,i} + K_{j,j} - 2K_{i,j}\Big) + Cy^{(i)}K_{j,j} - Cy^{(i)}K_{i,j} - y^{(i)}\bigg (f(x^{(i)}) - f(x^{(j)}) - \alpha^{(i)}_{old}y^{(i)} \Big( K_{i,i} + K_{j,j} -2K_{i,j} \Big)+ CK_{j,j} - CK_{i,j} \bigg) ∂αnew(i)∂F(αnew(i))=1−y(i)y(j)−αnew(i)(Ki,i+Kj,j−2Ki,j)+Cy(i)Kj,j−Cy(i)Ki,j−y(i)(f(x(i))−f(x(j))−αold(i)y(i)(Ki,i+Kj,j−2Ki,j)+CKj,j−CKi,j)
= ( y ( i ) ) 2 − y ( i ) y ( j ) − y ( i ) f ( x ( i ) ) + y ( i ) f ( x ( j ) ) − α n e w ( i ) ( K i , i + K j , j − 2 K i , j ) + α o l d ( i ) ( K i , i + K j , j − 2 K i , j ) = \big( y^{(i)} \big)^2 -y^{(i)}y^{(j)} - y^{(i)}f(x^{(i)}) + y^{(i)}f(x^{(j)}) - \alpha^{(i)}_{new} \Big( K_{i,i} + K_{j,j} - 2K_{i,j}\Big) + \alpha^{(i)}_{old} \Big( K_{i,i} + K_{j,j} - 2K_{i,j}\Big) =(y(i))2−y(i)y(j)−y(i)f(x(i))+y(i)f(x(j))−αnew(i)(Ki,i+Kj,j−2Ki,j)+αold(i)(Ki,i+Kj,j−2Ki,j)
= f ( x ( j ) ) − y ( j ) − ( f ( x ( i ) ) − y ( i ) ) − α n e w ( i ) ( K i , i + K j , j − 2 K i , j ) + α o l d ( i ) ( K i , i + K j , j − 2 K i , j ) = f(x^{(j)}) - y^{(j)} - \big( f(x^{(i)}) -y^{(i)} \big) - \alpha^{(i)}_{new} \Big( K_{i,i} + K_{j,j} - 2K_{i,j}\Big) + \alpha^{(i)}_{old} \Big( K_{i,i} + K_{j,j} - 2K_{i,j}\Big) =f(x(j))−y(j)−(f(x(i))−y(i))−αnew(i)(Ki,i+Kj,j−2Ki,j)+αold(i)(Ki,i+Kj,j−2Ki,j)
我们记 E ( i ) E^{(i)} E(i) 为SVM预测值与真实值的误差: E ( i ) = f ( x ( i ) ) − y ( i ) E^{(i)} = f(x^{(i)}) - y^{(i)} E(i)=f(x(i))−y(i) . 并令 η = K i , i + K j , j − 2 K i , j \eta = K_{i,i} + K_{j,j} - 2K_{i,j} η=Ki,i+Kj,j−2Ki,j , 则最终的一阶导数表达式可以简化为:
∂ F ( α n e w ( i ) ) ∂ α n e w ( i ) = − η α n e w ( i ) + η α o l d ( i ) + y ( i ) ( E ( j ) − E ( i ) ) = 0 \frac{\partial F(\alpha^{(i)}_{new})}{\partial \alpha^{(i)}_{new}} = -\eta \alpha^{(i)}_{new} + \eta \alpha^{(i)}_{old} + y^{(i)}\big(E^{(j)} - E^{(i)} \big) = 0 ∂αnew(i)∂F(αnew(i))=−ηαnew(i)+ηαold(i)+y(i)(E(j)−E(i))=0
由此, 我们可以根据当前的参数值, 直接得到更新后的参数值:
(6) α n e w ( i ) = α o l d ( i ) + y ( i ) ( E ( j ) − E ( i ) ) η = > α n e w , u n c l i p p e d ( i ) \alpha^{(i)}_{new} = \alpha^{(i)}_{old} + \frac{y^{(i)}\big(E^{(j)} - E^{(i)} \big)}{\eta} => \alpha^{(i)}_{new, unclipped} \tag 6 αnew(i)=αold(i)+ηy(i)(E(j)−E(i))=>αnew,unclipped(i)(6)
这里注意, (6)式的推导过程并未考虑下面的约束, 因此, 我们暂且将(6)式中的 α n e w ( i ) \alpha^{(i)}_{new} αnew(i) 记作 α n e w , u n c l i p p e d ( i ) \alpha^{(i)}_{new, unclipped} αnew,unclipped(i), 然后考虑如下约束:
α ( i ) y ( i ) + α ( j ) y ( j ) = − ∑ k = 1 , k ≠ i , j m α ( k ) y ( k ) = C \alpha^{(i)} y^{(i)} + \alpha^{(j)} y^{(j)} = -\sum_{k=1,k\neq i,j}^{m} \alpha^{(k)} y^{(k)} = C α(i)y(i)+α(j)y(j)=−k=1,k̸=i,j∑mα(k)y(k)=C
0 ≤ α ( i ) , α ( j ) ≤ C 0 \leq \alpha^{(i)} , \alpha^{(j)} \leq C 0≤α(i),α(j)≤C
我们分别以 α ( i ) , α ( j ) \alpha^{(i)}, \alpha^{(j)} α(i),α(j) 为坐标轴, 于是上述约束可以看作是一个方形约束(Bosk constraint), 在二维平面中我们可以看到这是个限制在方形区域中的直线, 如下图所示, 直线在方形区域内滑动(对应不同的截距), 同时 α n e w ( i ) \alpha^{(i)}_{new} αnew(i) 的上下边界也在改变:
当 y ( i ) ≠ y ( j ) y^{(i)} \neq y^{(j)} y(i)̸=y(j) 时(如左图), 限制条件可以写成 α ( i ) − α ( j ) = ξ \alpha^{(i)} - \alpha^{(j)} = \xi α(i)−α(j)=ξ ,根据 ξ \xi ξ 的正负可以得到不同的上下界, 因此 α n e w ( i ) \alpha^{(i)}_{new} αnew(i) 的上下界可以统一表示成:
- 下界: L = max ( 0 , α o l d ( i ) − α o l d ( j ) ) L = \max(0, \alpha^{(i)}_{old} - \alpha^{(j)}_{old}) L=max(0,αold(i)−αold(j))
- 上界: H = min ( C , C + α o l d ( i ) − α o l d ( j ) ) H = \min(C, C + \alpha^{(i)}_{old} - \alpha^{(j)}_{old}) H=min(C,C+αold(i)−αold(j))
当 y ( i ) = y ( j ) y^{(i)} = y^{(j)} y(i)=y(j) 时(如右图), 限制条件可以写成 α ( i ) + α ( j ) = ξ \alpha^{(i)} + \alpha^{(j)} = \xi α(i)+α(j)=ξ , 于是 α n e w ( i ) \alpha^{(i)}_{new} αnew(i) 的上下界为:
- 下界: L = max ( 0 , α o l d ( i ) + α o l d ( j ) − C ) L = \max(0,\alpha^{(i)}_{old} + \alpha^{(j)}_{old} - C) L=max(0,αold(i)+αold(j)−C)
- 上界: H = min ( C , α o l d ( i ) + α o l d ( j ) ) H = \min(C, \alpha^{(i)}_{old} + \alpha^{(j)}_{old}) H=min(C,αold(i)+αold(j))
根据得到的上下界, 我们可以得到"修剪"后的 α n e w , c l i p p e d ( i ) \alpha^{(i)}_{new,clipped} αnew,clipped(i) :
(7) α n e w , c l i p p e d ( i ) = { H α n e w , u n c l i p p e d ( i ) > H α n e w , u n c l i p p e d ( i ) L ≤ α n e w , u n c l i p p e d ( i ) ≤ H L α n e w , u n c l i p p e d ( i ) < L \alpha^{(i)}_{new,clipped} = \begin{cases} H & \alpha^{(i)}_{new,unclipped} > H \\ \alpha^{(i)}_{new,unclipped} & L \leq \alpha^{(i)}_{new,unclipped} \leq H \\ L & \alpha^{(i)}_{new,unclipped} < L \end{cases} \tag 7 αnew,clipped(i)=⎩⎪⎨⎪⎧Hαnew,unclipped(i)Lαnew,unclipped(i)>HL≤αnew,unclipped(i)≤Hαnew,unclipped(i)<L(7)
得到了 α n e w , c l i p p e d ( i ) \alpha^{(i)}_{new,clipped} αnew,clipped(i) 以后, 便可以根据 α o l d ( i ) y ( i ) + α o l d ( j ) y ( j ) = α n e w ( i ) y ( i ) + α n e w ( j ) y ( j ) \alpha^{(i)}_{old} y^{(i)} + \alpha^{(j)}_{old} y^{(j)}= \alpha^{(i)}_{new}y^{(i)} + \alpha^{(j)}_{new}y^{(j)} αold(i)y(i)+αold(j)y(j)=αnew(i)y(i)+αnew(j)y(j) 得到 α n e w ( j ) \alpha^{(j)}_{new} αnew(j) :
(8) α n e w , c l i p p e d ( j ) = α o l d ( j ) + y ( i ) y ( j ) ( α o l d ( i ) − α n e w , c l i p p e d ( i ) ) \alpha^{(j)}_{new,clipped} = \alpha^{(j)}_{old} + y^{(i)}y^{(j)}\big( \alpha^{(i)}_{old} - \alpha^{(i)}_{new,clipped} \big) \tag 8 αnew,clipped(j)=αold(j)+y(i)y(j)(αold(i)−αnew,clipped(i))(8)
通过(7)(8)式, 我们便可以高效的计算出更新后的 α ( i ) \alpha^{(i)} α(i) 和 α ( j ) \alpha^{(j)} α(j) .
当更新了一对 α ( i ) \alpha^{(i)} α(i) 和 α ( j ) \alpha^{(j)} α(j) 之后, 我们需要计算偏移项 b b b 注意到, 对于任意支持向量 ( x ⃗ ( s ) , y ( s ) ) (\vec x^{(s)} , y^{(s)}) (x(s),y(s)) , 都有 y ( s ) f ( x ( s ) ) = 1 y^{(s)} f(x^{(s)}) = 1 y(s)f(x(s))=1 , 即:
y ( s ) ( ∑ i ∈ S α ( i ) y ( i ) x ⃗ ( i ) T x ⃗ ( s ) + b ) = 1 y^{(s)} \Big( \sum_{i \in S} \alpha^{(i)} y^{(i)} \vec x^{(i)T} \vec x^{(s)} + b\Big) = 1 y(s)(i∈S∑α(i)y(i)x(i)Tx(s)+b)=1
式中 S S S 为所有支持向量的下标集. 理论上, 可以选取任意支持向量来获得 b b b , 但现实中我们采取更加鲁棒的做法: 使用所有支持向量求解的平均值(式中所有量均已知, α ⃗ \vec \alpha α 使用的是支持向量对应的系数):
b = 1 ∣ S ∣ ∑ s ∈ S ( 1 y ( s ) − ∑ i ∈ S α ( i ) y ( i ) x ⃗ ( i ) T x ⃗ ( s ) ) b = \frac{1}{|S|} \sum_{s\in S} \bigg( \frac{1}{y^{(s)}} - \sum_{i \in S} \alpha^{(i)} y^{(i)}\vec x^{(i)T} \vec x^{(s)} \bigg) b=∣S∣1s∈S∑(y(s)1−i∈S∑α(i)y(i)x(i)Tx(s))
还有另一种更新 b b b 的方式是, 只使用当前更新的变量 α n e w ( i ) \alpha^{(i)}_{new} αnew(i) 和 α n e w ( j ) \alpha^{(j)}_{new} αnew(j) 来对 b b b 进行更新,如此一来, 为了满足KKT条件, 就有以下几种情况:
- 如果 α n e w ( i ) \alpha^{(i)}_{new} αnew(i) 在界内(即此时 0 < α n e w ( i ) < C 0 < \alpha^{(i)}_{new} < C 0<αnew(i)<C , 当前对应样本为支持向量), 则 b = b n e w ( i ) b = b^{(i)}_{new} b=bnew(i)
- 如果 α n e w ( j ) \alpha^{(j)}_{new} αnew(j) 在界内(即此时 0 < α n e w ( j ) < C 0 < \alpha^{(j)}_{new} < C 0<αnew(j)<C , 当前对应样本为支持向量), 则 b = b n e w ( j ) b = b^{(j)}_{new} b=bnew(j)
- 如果 α n e w ( i ) \alpha^{(i)}_{new} αnew(i) 和 α n e w ( j ) \alpha^{(j)}_{new} αnew(j) 都在界上,且 L ≠ H L \neq H L̸=H时, 则 b n e w ( i ) b^{(i)}_{new} bnew(i) 和 b n e w ( j ) b^{(j)}_{new} bnew(j) 之间的所有的值都符合KKT条件, SMO一般选择终点作为新的偏移量: b n e w = b n e w ( i ) + b n e w ( j ) 2 b_{new} = \frac{b^{(i)}_{new} + b^{(j)}_{new}}{2} bnew=2bnew(i)+bnew(j)
以上讨论中, b n e w ( i ) b^{(i)}_{new} bnew(i) 的推导过程为, 当 α n e w ( i ) \alpha^{(i)}_{new} αnew(i) 在界内时, 对应的样本为支持向量 (根据KKT条件得出) , 此时 y ( i ) ( w ⃗ T x ⃗ ( i ) + b ) = 1 y^{(i)}(\vec w^T \vec x^{(i)} +b) = 1 y(i)(wTx(i)+b)=1 , 两边同时乘上 y ( i ) y^{(i)} y(i) ,得到 ∑ k = 1 m α ( k ) y ( k ) K k , i + b = y ( i ) \sum_{k=1}^{m}\alpha^{(k)}y^{(k)}K_{k,i} + b = y^{(i)} ∑k=1mα(k)y(k)Kk,i+b=y(i), 将该式展开, 得到:
b n e w ( i ) = y ( i ) − ∑ k = 1 , k ≠ i , j m α ( k ) y ( k ) K k , i − α n e w ( i ) y ( i ) K i , i − α n e w ( j ) y ( j ) K j , i b^{(i)}_{new} = y^{(i)} - \sum_{k=1,k\neq i,j}^{m} \alpha^{(k)} y^{(k)}K_{k,i} - \alpha^{(i)}_{new}y^{(i)}K_{i,i} - \alpha^{(j)}_{new}y^{(j)}K_{j,i} bnew(i)=y(i)−k=1,k̸=i,j∑mα(k)y(k)Kk,i−αnew(i)y(i)Ki,i−αnew(j)y(j)Kj,i
其中前两项可以写成:
y ( i ) − ∑ k = 1 , k ≠ i , j m α ( k ) y ( k ) K k , i = − E ( i ) + α o l d ( i ) y ( i ) K i , i + α o l d ( j ) y ( j ) K j , i + b o l d y^{(i)} - \sum_{k=1,k\neq i,j}^{m} \alpha^{(k)} y^{(k)}K_{k,i} = -E^{(i)} + \alpha^{(i)}_{old}y^{(i)}K_{i,i} + \alpha^{(j)}_{old}y^{(j)}K_{j,i} + b_{old} y(i)−k=1,k̸=i,j∑mα(k)y(k)Kk,i=−E(i)+αold(i)y(i)Ki,i+αold(j)y(j)Kj,i+bold
于是有:
b n e w ( i ) = − E ( i ) − ( α n e w ( i ) − α o l d ( i ) ) y ( i ) K i , i − ( α n e w ( j ) − α o l d ( j ) ) y ( j ) K j , i + b o l d b^{(i)}_{new} = -E^{(i)} - \big( \alpha^{(i)}_{new} - \alpha^{(i)}_{old} \big)y^{(i)} K_{i,i} - \big(\alpha^{(j)}_{new} - \alpha^{(j)}_{old} \big)y^{(j)}K_{j,i} + b_{old} bnew(i)=−E(i)−(αnew(i)−αold(i))y(i)Ki,i−(αnew(j)−αold(j))y(j)Kj,i+bold
同理有:
b
n
e
w
(
j
)
=
−
E
(
j
)
−
(
α
n
e
w
(
j
)
−
α
o
l
d
(
j
)
)
y
(
j
)
K
j
,
j
−
(
α
n
e
w
(
i
)
−
α
o
l
d
(
i
)
)
y
(
j
)
K
i
,
j
+
b
o
l
d
b^{(j)}_{new} = -E^{(j)} - \big( \alpha^{(j)}_{new} - \alpha^{(j)}_{old} \big)y^{(j)} K_{j,j} - \big(\alpha^{(i)}_{new} - \alpha^{(i)}_{old} \big)y^{(j)}K_{i,j} + b_{old}
bnew(j)=−E(j)−(αnew(j)−αold(j))y(j)Kj,j−(αnew(i)−αold(i))y(j)Ki,j+bold
如何恰当的选取需要更新的变量 α ( i ) \alpha^{(i)} α(i) 和 α ( j ) \alpha^{(j)} α(j)
采用启发式的规则来选取, 直觉上我们知道, 我们应该首先优化那些违反KKT条件最严重的样本, 因此我们首先首先遍历所有满足约束条件 0 < α ( i ) < C 0 < \alpha^{(i)} < C 0<α(i)<C 的样本点, 即位于间隔边界上的支持向量点(直觉上也能发现这些点最有可能分类错误), 检验它们是否满足KKT条件. 如果这些样本都满足KKT条件,则遍历整个训练样本集,判断它们是否满足KKT条件,直到找到一个违反KKT条件的变量 α ( i ) \alpha^{(i)} α(i) (即使 α ( i ) \alpha^{(i)} α(i) 位于边界上,也有可能违反KKT条件).
当找到了第一个分量 α ( i ) \alpha^{(i)} α(i) 后, 接下来寻找第二个分类 α ( j ) \alpha^{(j)} α(j), 而选取的标准是使得它有足够大的变化, 也就是说使选取的两变量所对应的样本之间的间隔最大, 一种直观的解释是, 这样的两个变量有很大的差别, 与对两个相似的变量进行更新相比(相似说明有可能属于同一类, 更新意义不大), 对它们进行更新会带给目标函数值更大的变化. 第二个乘子的迭代步长正比于 ∣ E ( i ) − E ( j ) ∣ |E^{(i)} - E^{(j)}| ∣E(i)−E(j)∣ , 因此, 我们希望选择的乘子能够具有最大的 ∣ E ( i ) − E ( j ) ∣ |E^{(i)} - E^{(j)}| ∣E(i)−E(j)∣. 即当 E ( i ) E^{(i)} E(i) 为正时选择绝对值最大的赋值 E ( j ) E^{(j)} E(j) , 反之, 选择正值最大的 E ( i ) E^{(i)} E(i)
1.3 核函数
在之前的讨论中,我们假设 训练样本 是线性可分的, 然而在现实任务中, 原始样本空间内也许并不存在一个能正确划分两类样本的超平面, 对于这样的问题, 可将一样本从原始空间映射到一个更高维的特征空间, 使得样本在这个特征空间内线性可分 .
需要知道, 如果原始空间是有限维, 即属性数有限, 那么一定存在一个高维特征空间使样本可分
令 ϕ ( x ⃗ ) \phi(\vec x) ϕ(x) 表示将 x ⃗ \vec x x 映射后的特征向量, 于是, 在特征空间中划分超平面所对应的模型可表示为:
f ( x ⃗ ) = w ⃗ T ϕ ( x ⃗ ) + b f(\vec x) = \vec w^T \phi(\vec x) + b f(x)=wTϕ(x)+b
类似式(1), 有:
arg min w ⃗ , b 1 2 ∥ w ∥ 2 \arg\min_{\vec w,b} \frac{1}{2} \|w\|^2 argw,bmin21∥w∥2
s . t . y ( i ) ( w ⃗ T ϕ ( x ⃗ ( i ) ) + b ) , i = 1 , 2 , . . , m s.t. y^{(i)}\big( \vec w^T \phi (\vec x^{(i)}) + b \big), i=1,2,..,m s.t.y(i)(wTϕ(x(i))+b),i=1,2,..,m
其对偶问题为:
(9) arg max α ⃗ = ∑ i = 1 m α ( i ) − 1 2 ∑ i = 1 m ∑ j = 1 m α ( i ) α ( j ) y ( i ) y ( j ) ϕ ( x ⃗ ( i ) ) T ϕ ( x ⃗ ( j ) ) \arg\max_{\vec \alpha} = \sum_{i=1}^{m}\alpha^{(i)} - \frac{1}{2}\sum_{i=1}^{m} \sum_{j=1}^{m} \alpha^{(i)} \alpha^{(j)} y^{(i)} y^{(j)} \phi(\vec x^{(i)})^T \phi(\vec x^{(j)}) \tag 9 argαmax=i=1∑mα(i)−21i=1∑mj=1∑mα(i)α(j)y(i)y(j)ϕ(x(i))Tϕ(x(j))(9)
s . t . ∑ i = 1 m α ( i ) y ( i ) = 0 , α ( i ) ≥ 0 , i = 1 , 2 , . . . , m s.t. \sum_{i=1}^{m} \alpha^{(i)} y^{(i)} = 0, \alpha^{(i)} \geq 0 , i = 1,2,...,m s.t.i=1∑mα(i)y(i)=0,α(i)≥0,i=1,2,...,m
求解上式涉及到计算 ϕ ( x ⃗ ( i ) ) T ϕ ( x ⃗ ( j ) \phi(\vec x^{(i)})^T \phi(\vec x^{(j)} ϕ(x(i))Tϕ(x(j) , 这是样本 x ⃗ ( i ) \vec x^{(i)} x(i) 与 x ⃗ ( j ) \vec x^{(j)} x(j) 映射到特征空间之后的内积, 由于特征空间维数可能很高, 甚至是无穷维, 因此直接计算 ϕ ( x ⃗ ( i ) ) T ϕ ( x ⃗ ( j ) \phi(\vec x^{(i)})^T \phi(\vec x^{(j)} ϕ(x(i))Tϕ(x(j) 是很困难的, 为了避开这个障碍, 可以设想这样一个函数:
K ( x ⃗ ( i ) , x ⃗ ( j ) ) = ϕ ( x ⃗ ( i ) ) T ϕ ( x ⃗ ( j ) K \big(\vec x^{(i)}, \vec x^{(j)} \big) = \phi(\vec x^{(i)})^T \phi(\vec x^{(j)} K(x(i),x(j))=ϕ(x(i))Tϕ(x(j)
即 x ( i ) x^{(i)} x(i) 与 x ( j ) x^{(j)} x(j) 在特征空间的内积等于它们在原始样本空间中通过函数 K ( ⋅ , ⋅ ) K(\cdot, \cdot) K(⋅,⋅) 计算的结果. (有可能是先内积再函数映射, 也有可能是求范式再函数映射). 于是(9)式可重写为:
arg max α ⃗ ∑ i = 1 m α ( i ) − 1 2 ∑ i = 1 m ∑ j = 1 m α ( i ) α ( j ) y ( i ) y ( j ) K ( x ⃗ ( i ) , x ⃗ ( j ) ) \arg\max_{\vec \alpha} \sum_{i=1}^{m}\alpha^{(i)} - \frac{1}{2}\sum_{i=1}^{m} \sum_{j=1}^{m}\alpha^{(i)} \alpha^{(j)} y^{(i)} y^{(j)} K\big(\vec x^{(i)}, \vec x^{(j)} \big) argαmaxi=1∑mα(i)−21i=1∑mj=1∑mα(i)α(j)y(i)y(j)K(x(i),x(j))
s . t . ∑ i = 1 m α ( i ) y ( i ) = 0 s.t. \sum_{i=1}^{m} \alpha^{(i)} y^{(i)} = 0 s.t.i=1∑mα(i)y(i)=0
α ( i ) ≥ 0 , i = 1 , 2 , . . . , m \alpha^{(i)} \geq 0, i=1,2,...,m α(i)≥0,i=1,2,...,m
注意, 前面几个小节的推导过程也用了符号 K K K , 但是就像前面所说的, 前几个小节的 K K K 是为了方便书写而使用的, 你可以把它看作是一个恒等映射的核函数
当我们解出上式得到 α ⃗ \vec \alpha α 后, 就可以得到划分超平面对应的模型(式中 x ⃗ \vec x x 为样本点, f ( x ⃗ ) f(\vec x) f(x) 为该样本点的预测结果):
f ( x ⃗ ) = w ⃗ T x ⃗ + b = ∑ i = 1 m α ( i ) y ( i ) K ( x ⃗ , x ⃗ ( j ) ) + b f(\vec x) = \vec w ^T \vec x +b = \sum_{i=1}^{m} \alpha^{(i)} y^{(i)} K\big(\vec x, \vec x^{(j)} \big) +b f(x)=wTx+b=i=1∑mα(i)y(i)K(x,x(j))+b
核函数定理: 令 χ \chi χ 为输入空间 K ( ⋅ , ⋅ ) K(\cdot, \cdot) K(⋅,⋅) 是定义在 χ × χ \chi \times \chi χ×χ 上的对称函数, 则 K ( ⋅ , ⋅ ) K(\cdot, \cdot) K(⋅,⋅) 是核函数 当且仅当 对于任意数据 D = x ⃗ ( 1 ) , x ⃗ ( 2 ) , . . . , x ⃗ ( m ) D = \\{\vec x^{(1)}, \vec x^{(2)},...,\vec x ^{(m)} \\} D=x(1),x(2),...,x(m) , 核矩阵 K K K 总是半正定的
从以上分析可知, 核函数的选择决定了特征空间的好坏, 因此, 一个合适的核函数,就成为了支持向量机的最大变数.
下面是几种常用的核函数:
名称 | 表达式 | 参数 |
---|---|---|
线性核 | ||
高斯核 | ||
拉普拉斯核 | ||
Sigoid核 |
此外,还可以通过函数组合得到:
- 若 K 1 K_1 K1 和 K 2 K_2 K2 都是核函数 ,则对任意的正数 γ 1 , γ 2 \gamma_1, \gamma_2 γ1,γ2 , 其线性组合 γ 1 K 1 + γ 2 K 2 \gamma_1 K_1 + \gamma_2 K_2 γ1K1+γ2K2 也是核函数
- 若 K 1 K_1 K1 和 K 2 K_2 K2 为核函数, 则函数的直积 K 1 ⊗ K 2 ( x ⃗ , z ⃗ ) = K 1 ( x ⃗ , z ⃗ ) K 2 ( x ⃗ , z ⃗ ) K_1 \otimes K_2 (\vec x , \vec z) = K_1(\vec x, \vec z) K_2(\vec x, \vec z) K1⊗K2(x,z)=K1(x,z)K2(x,z)
- 若 K 1 K_1 K1 是核函数, 则对任意函数 g ( x ⃗ ) g(\vec x) g(x), K ( x ⃗ , z ⃗ ) = g ( x ⃗ ) K 1 ( x ⃗ , z ⃗ ) g ( z ⃗ ) K(\vec x, \vec z) = g(\vec x) K_1(\vec x, \vec z) g(\vec z) K(x,z)=g(x)K1(x,z)g(z) 也是核函数
1.4 软间隔与正则化
在实现任务中, 往往很难确定合适的核函数, 使得训练样本在特征空间中线性可分, 即便是找到了, 也无法断定是否是由于过拟合造成的 , 因此, 我们需要 允许支持向量机在一些样本上出错 , 以缓解上面的问题.
硬间隔(hard margin)与软间隔(soft margin)的区分:
- 硬间隔: 所有样本都必须分类正确
- 软间隔: 允许某些样本不满足约束(11)式(即,预测结果和真实结果符号相反,分类错误,或预测结果绝对值小于1,相当于越过了支持向量划定的边界)
我们要在最大化间隔的同时, 使得不满足约束的样本应尽可能的少, 于是, 优化目标可写为:
(10) min w ⃗ , b 1 2 ∥ w ∥ 2 + C ∑ i = 1 m l 0 / 1 ( y ( i ) ( w ⃗ T x ( i ) + b ) − 1 ) \min_{\vec w,b} \frac{1}{2} \|w\|^2 + C\sum_{i=1}^{m} l_{0/1} \big( y^{(i)} (\vec w^T x^{(i)}+b) - 1\big) \tag {10} w,bmin21∥w∥2+Ci=1∑ml0/1(y(i)(wTx(i)+b)−1)(10)
(11) y ( i ) ( w ⃗ T x ⃗ ( i ) + b ) ≥ 1 y^{(i)} (\vec w^T \vec x^{(i)} +b) \geq 1 \tag {11} y(i)(wTx(i)+b)≥1(11)
其中, C > 0 C>0 C>0 是一个常数(注意与前几节推导SVM时的常数区分), l 0 / 1 l_{0/1} l0/1 是 “0/1 损失函数”:
l 0 / 1 ( z ) = { 1 , if z < 0 ; 0 , otherwise . l_{0/1} (z) = \begin{cases} 1, & \text{if } z < 0 ; \\ 0, & \text{otherwise}. \end{cases} l0/1(z)={1,0,if z<0;otherwise.
当C无穷大时, (10)式就会迫使所有样本均满足约束, 也就是令所有训练样本都分类正确(容易产生过拟合), 当C取有限值时, 则允许有一些样本不满足约束(11)式.
但是, l 0 / 1 l_{0/1} l0/1 非凸, 不连续, 数学性质不好, 因此, 通常使用其他函数来替代, 称为" 替代损失", 下面为三种常用的替代损失:
- hinge损失: l h i n g e ( z ) = m a x ( 0 , 1 − z ) l_{hinge}(z) = max(0,1-z) lhinge(z)=max(0,1−z)
- 指数损失(exponential loss): l e x p ( z ) = e x p ( − z ) l_{exp}(z) = exp(-z) lexp(z)=exp(−z)
- 对率损失(logistic loss): l l o g ( z ) = l o g ( 1 + e x p ( − z ) ) l_{log}(z) = log(1+ exp(-z)) llog(z)=log(1+exp(−z))
假设采用hinge损失损失, 然后可以引入"松弛变量"(slack variables) ξ ( i ) ≥ 0 \xi^{(i)} \geq 0 ξ(i)≥0 ,每一个样本都有一个对应的松弛变量, 用以表征该样本不满足约束(11)的程度 则可将(10)式重写为:
(12) min w ⃗ , b , ξ ( i ) 1 2 ∥ w ⃗ ∥ 2 + C ∑ i = 1 m ξ ( i ) \min_{\vec w, b, \xi^{(i)}} \frac{1}{2} \|\vec w\|^2 + C \sum_{i=1}^{m} \xi^{(i)} \tag {12} w,b,ξ(i)min21∥w∥2+Ci=1∑mξ(i)(12)
s . t . y ( i ) ( w ⃗ T x ( i ) + b ) ≥ 1 − ξ ( i ) s.t. y^{(i)} (\vec w^T x^{(i)} + b) \geq 1- \xi ^{(i)} s.t.y(i)(wTx(i)+b)≥1−ξ(i)
ξ ( i ) ≥ , i = 1 , 2 , . . . , m . \xi^{(i)} \geq , i=1,2,...,m. ξ(i)≥,i=1,2,...,m.
可以看出, 上式是与之前推导相似的二次规划问题, 只不过是约束条件变的宽松了(为了允许一些样本犯错), 因此,同样利用拉格朗日乘子法求解, 首先得到上式的拉格朗日函数:
L ( w ⃗ , b , α ⃗ , ξ ⃗ , μ ⃗ ) = 1 2 ∥ w ∥ 2 + C ∑ i = 1 m ξ ( i ) + ∑ i = 1 m α ( i ) ( 1 − ξ ( i ) − y ( i ) ( w ⃗ T x ⃗ ( i ) + b ) ) − ∑ i = 1 m μ ( i ) ξ ( i ) L(\vec w, b, \vec \alpha, \vec \xi, \vec \mu) = \frac{1}{2} \|w\|^2 + C \sum_{i=1}^{m} \xi^{(i)} + \sum_{i=1}^{m}\alpha^{(i)}\big(1- \xi^{(i)} - y^{(i)}(\vec w^T\vec x^{(i)} +b) \big) - \sum_{i=1}^{m} \mu^{(i)} \xi^{(i)} L(w,b,α,ξ,μ)=21∥w∥2+Ci=1∑mξ(i)+i=1∑mα(i)(1−ξ(i)−y(i)(wTx(i)+b))−i=1∑mμ(i)ξ(i)
其中, α ( i ) ≥ 0 , μ ( i ) ≥ 0 \alpha^{(i)} \geq 0, \mu^{(i)} \geq 0 α(i)≥0,μ(i)≥0 是拉格朗日乘子, 令 L ( w ⃗ , b , α ⃗ , ξ ⃗ , μ ⃗ ) L(\vec w, b, \vec \alpha, \vec \xi, \vec \mu) L(w,b,α,ξ,μ) 对 w ⃗ , b , α ⃗ , ξ ⃗ \vec w, b, \vec \alpha, \vec \xi w,b,α,ξ 求偏导, 并令其为0 , 可得:
w ⃗ = ∑ i = 1 m α ( i ) y ( i ) x ⃗ ( i ) \vec w =\sum_{i=1}^{m} \alpha^{(i)} y^{(i)} \vec x^{(i)} w=i=1∑mα(i)y(i)x(i)
0 = ∑ i = 1 m α ( i ) y ( i ) 0 = \sum_{i=1}^{m} \alpha^{(i)} y^{(i)} 0=i=1∑mα(i)y(i)
C = α ( i ) + μ ( i ) C = \alpha^{(i)} + \mu^{(i)} C=α(i)+μ(i)
得到(12)式对应的对偶问题如下:
max α ∑ i = 1 m α ( i ) − 1 2 ∑ i = 1 m ∑ j = 1 m α ( i ) α ( j ) y ( i ) y ( j ) K i , j \max_{\alpha} \sum_{i=1}^{m} \alpha^{(i)} - \frac{1}{2} \sum_{i=1}^{m} \sum_{j=1}^{m} \alpha^{(i)} \alpha^{(j)} y^{(i)} y^{(j)} K_{i,j} αmaxi=1∑mα(i)−21i=1∑mj=1∑mα(i)α(j)y(i)y(j)Ki,j
s . t . ∑ i = 1 m α ( i ) y ( i ) = 0 s.t. \sum_{i=1}^{m} \alpha^{(i)} y^{(i)} = 0 s.t.i=1∑mα(i)y(i)=0
0 ≤ α ( i ) ≤ C , i = 1 , 2 , . . . , m 0 \leq \alpha^{(i)} \leq C , i=1,2,...,m 0≤α(i)≤C,i=1,2,...,m
可以看到, 此时, α ( i ) \alpha^{(i)} α(i) 的约束条件变成了 0 ≤ α ( i ) ≤ C 0 \leq \alpha^{(i)} \leq C 0≤α(i)≤C , 上式的KKT条件要求为:
{ α ( i ) ≥ 0 , μ ( i ) ≥ 0 y ( i ) f ( x ⃗ ( i ) ) − 1 + ξ ( i ) ≥ 0 , α ( i ) ( y ( i ) f ( x ⃗ ( i ) ) − 1 + ξ ( i ) ) = 0 , ξ ( i ) ≥ 0 , μ ( i ) ξ ( i ) = 0 \begin{cases} \alpha^{(i)} \geq 0, \mu^{(i)} \geq 0 \\ y^{(i)}f(\vec x^{(i)}) -1 +\xi^{(i)} \geq 0, \\ \alpha^{(i)} \big( y^{(i)}f(\vec x^{(i)}) - 1 + \xi^{(i)} \big) = 0, \\ \xi^{(i)} \geq 0, \mu^{(i)} \xi^{(i)} = 0 \end{cases} ⎩⎪⎪⎪⎨⎪⎪⎪⎧α(i)≥0,μ(i)≥0y(i)f(x(i))−1+ξ(i)≥0,α(i)(y(i)f(x(i))−1+ξ(i))=0,ξ(i)≥0,μ(i)ξ(i)=0
于是, 从KKT条件中我们可以看出, 对任意的训练样本 ( x ⃗ ( i ) , y ( i ) ) (\vec x^{(i)}, y^{(i)}) (x(i),y(i)), 总有 α ( i ) = 0 \alpha^{(i)} = 0 α(i)=0 或 y ( i ) f ( x ⃗ ( i ) ) = 1 − ξ ( i ) y^{(i)} f(\vec x^{(i)}) = 1 - \xi^{(i)} y(i)f(x(i))=1−ξ(i).
- 若 α ( i ) = 0 \alpha^{(i)} = 0 α(i)=0, 则该样本不会对 f ( x ⃗ ) f(\vec x) f(x) 产生影响.
- 若 α ( i ) > 0 \alpha^{(i)} > 0 α(i)>0, 则必有 y ( i ) f ( x ⃗ ( i ) ) = 1 − ξ ( i ) y^{(i)} f(\vec x^{(i)}) = 1 - \xi^{(i)} y(i)f(x(i))=1−ξ(i), 即该样本是支持向量
- 因为 C = α ( i ) + μ ( i ) C = \alpha^{(i)} + \mu^{(i)} C=α(i)+μ(i) , 所以, 若 α ( i ) < C \alpha^{(i)} < C α(i)<C , 则有 μ ( i ) > 0 \mu^{(i)} > 0 μ(i)>0 , 进而有 ξ ( i ) = 0 \xi^{(i)} = 0 ξ(i)=0, 即该样本在最大间隔边界上(是否也就是支持向量?)
- 若 α ( i ) = C \alpha^{(i)} = C α(i)=C , 则有 μ ( i ) = 0 \mu^{(i)} = 0 μ(i)=0, 此时若 ξ ( i ) ≤ 1 \xi^{(i)} \leq 1 ξ(i)≤1, 则该样本落在最大间隔内部, 若 ξ ( i ) > 1 \xi^{(i)} > 1 ξ(i)>1, 则该样本被错误分类.
以上讨论, 我们可以看出, 最终的模型依然只与支持向量有关, 保持了稀疏性(hinge损失有一块平坦的零区域,这使得SVM的解具有稀疏性)
以上是对使用hinge损失时讨论的情况, 还可以将其替换成别的损失函数以得到其他学习模型, 这些模型的性质与所用的替代函数直接相关, 但它们具有一个共性: 优化目标中的第一项用来描述划分超平面的"间隔"大小, 另一项用来表示训练集上的误差, 可写为更一般的形式:
min f Ω ( f ) + C ∑ i = 1 m l ( f ( x ⃗ ( i ) ) , y ( i ) ) \min_{f} \Omega(f) + C\sum_{i=1}^{m} l(f(\vec x^{(i)}) , y^{(i)}) fminΩ(f)+Ci=1∑ml(f(x(i)),y(i))
其中, Ω ( f ) \Omega(f) Ω(f) 称为"结构风险"(structural risk), 用于描述模型 f f f 自身的性质; 第二项 C ∑ i = 1 m l ( f ( x ⃗ ( i ) ) C\sum_{i=1}^{m} l(f(\vec x^{(i)}) C∑i=1ml(f(x(i)) 称为"经验风险"(empirical risk), 用于描述模型与训练数据的契合程度. C C C 用于对二者进行折衷.
从预测误差的角度来看, 第二项相当于模型误差, 第一项相当于正则化项, 表述了模型本身的性质, 一方面, 这为引入领域知识和用户意图提供了途径, 另一方面, 该信息有助于消减假设空间, 降低过拟合风险
3. 问答
为什么SVM的分类结果仅依赖于支持向量?
百机p53
核函数中不同参数的影响
既然深度学习技术性能表现以及全面超越SVM, SVM还有存在的必要吗?
6.Reference
[2] 西瓜书
[3] http://www.cnblogs.com/jerrylead/archive/2011/03/18/1988419.html