1 基本介绍
支持向量机算法是一个有效的分类算法,可用于分类、回归等任务,在传统的机器学习任务中,通过人工构造、选择特征,然后使用支持向量机作为训练器,可以得到一个效果很好的base-line训练器。
支持向量机具有如下的优缺点,
优点:
- 高维空间有效;
- 维度大于样本数量的情况下,依然有效;
- 预测时使用训练样本的子集(也即支持向量),节省内存;
- 可以使用不同的核函数用于决策;
缺点:
- 如果特征的数目远远大于样本的数目,性能将会降低;
- 不能直接提供概率估计,需要通过5-fold 交叉验证来获得;
2 理论推导
2.1 间隔与支持向量
划分超平面, wT∗x+b=0 (1) wT∗x+b=0 (1);
样本空间中任意一个样本 x x 到超平面的距离为 r=||wT∗x+b||||w|| (2) r=||wT∗x+b||||w|| (2);
假设超平面能将样本正确分类,即对样本 (xi,yi) (xi,yi),
若
yi=+1
yi=+1 ,则
wT∗xi+b>0
wT∗xi+b>0;
若
yi=−1
yi=−1 ,则
wT∗xi+b<0
wT∗xi+b<0;
令,
wT∗xi+b≥+1, yi=+1 (3) wT∗xi+b≥+1, yi=+1 (3)
wT∗xi+b≤−1, yi=−1 wT∗xi+b≤−1, yi=−1
距离超平面最近的几个训练样本点,使上式的等号成立,则它们称为支持向量;
两个异类支持向量到超平面的距离之和为
r=2||w|| (4) r=2||w|| (4)
欲找到最大间隔的划分超平面,也就是找到 w w 和b,使得r最大,即
maxw,b2||w|| (5) maxw,b2||w|| (5)
s.t. yi(wT∗xi+b)≥1, i=1,2...,m s.t. yi(wT∗xi+b)≥1, i=1,2...,m
等价于,
minw,b12||w||2 (6) minw,b12||w||2 (6)
s.t. yi(wT∗xi+b)≥1, i=1,2...,m s.t. yi(wT∗xi+b)≥1, i=1,2...,m
希望求解式(6),来得到最大间隔划分超平面所对应的模型,
f(x)=wT∗x+b (7) f(x)=wT∗x+b (7)
2.2 对偶问题
对上述公式使用拉格朗日乘子法,可得其对偶问题,具体就是对上述公式的每个约束添加拉格朗日乘子 αi≥0 αi≥0 ,则拉格朗日函数可写为,
L(w,b,α)=12||w||2+∑mi=1αi∗(1−yi∗(wT∗xi+b)) (8) L(w,b,α)=12||w||2+∑i=1mαi∗(1−yi∗(wT∗xi+b)) (8)
其中, α=(α1;α2;...;αm) α=(α1;α2;...;αm),令 L(w,b,α) L(w,b,α) 分别对 w w 和b求偏导,可得,
w=∑mi=1αi∗yi∗xi (9) w=∑i=1mαi∗yi∗xi (9)
0=∑mi=1αi∗yi (10) 0=∑i=1mαi∗yi (10)
将式(9)带入(8)中,可将 L(w,b,α) L(w,b,α) 中的 w w 和b消去,再考虑式(10)的约束,可得式(6)的对偶问题,
maxα∑mi=1αi−12∑mi=1∑mj=1αi∗αj∗yi∗yj∗xTi∗xj (11) maxα∑i=1mαi−12∑i=1m∑j=1mαi∗αj∗yi∗yj∗xiT∗xj (11)
s.t. ∑mi=1αi∗yi=0 s.t. ∑i=1mαi∗yi=0
αi≥0 i=1,2...,m αi≥0 i=1,2...,m
解出 α α 后,求出 w w 和b,即可得到模型,
f(x)=wT∗x+b=∑mi=1αi∗yi∗xTi∗xj+b (12) f(x)=wT∗x+b=∑i=1mαi∗yi∗xiT∗xj+b (12)
式(11)中解出的 αi αi 是式(8)中的拉格朗日乘子,恰好对应着样本 (xi,yi) (xi,yi),注意到式(6)中有不等式约束,因此上述过程满足KKT条件,即,
αi≥0 (13) αi≥0 (13)
yi∗f(xi)−1≥0 yi∗f(xi)−1≥0
αi∗(yi∗f(xi)−1)=0 αi∗(yi∗f(xi)−1)=0
对于训练样本 (xi,yi) (xi,yi),总有 αi=0 αi=0 或者 yi∗f(xi)=1 yi∗f(xi)=1;
若 αi=0 αi=0 ,则该样本不会在式(12)中的求和中出现,也就不会对 f(x) f(x) 有任何影响;
若 αi≥0 αi≥0 ,则必有 yi∗f(xi)=1 yi∗f(xi)=1 ,所对应样本点位于最大分割边界上,是一个支持向量;
2.3 核函数
如果训练样本不能线性可分,可将样本从原始空间映射到更高维的特征空间,使得样本在这个特征空间内线性可分;
令 ϕ(x) ϕ(x) 表示为 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)=wTϕ(x)+b (14) f(x)=wTϕ(x)+b (14)
其中, w w 和b是模型参数,类似于式(6)有,
minw,b12||w||2 (15) minw,b12||w||2 (15)
s.t. yi(wT∗ϕ(xi)+b)≥1, i=1,2...,m s.t. yi(wT∗ϕ(xi)+b)≥1, i=1,2...,m
对偶问题为,
maxα∑mi=1αi−12∑mi=1∑mj=1αi∗αj∗yi∗yj∗ϕ(xi)T∗ϕ(xj) (16) maxα∑i=1mαi−12∑i=1m∑j=1mαi∗αj∗yi∗yj∗ϕ(xi)T∗ϕ(xj) (16)
s.t. ∑mi=1αi∗yi=0 s.t. ∑i=1mαi∗yi=0
αi≥0 i=1,2...,m αi≥0 i=1,2...,m
由于样本 xi,xj xi,xj 映射到特征空间之后,特征空间的维数可能很高,甚至是无穷维,因此直接计算 ϕ(xi)T∗ϕ(xj) ϕ(xi)T∗ϕ(xj) 通常很困难,可以设想这样一个函数,
k(xi,xj)=<ϕ(xi),ϕ(xj)>=ϕ(xi)T∗ϕ(xj) (17) k(xi,xj)=<ϕ(xi),ϕ(xj)>=ϕ(xi)T∗ϕ(xj) (17)
则式(16)可重写为,
maxα∑mi=1αi−12∑mi=1∑mj=1αi∗αj∗yi∗yj∗k(xi,xj) (18) maxα∑i=1mαi−12∑i=1m∑j=1mαi∗αj∗yi∗yj∗k(xi,xj) (18)
s.t. ∑mi=1αi∗yi=0 s.t. ∑i=1mαi∗yi=0
αi≥0 i=1,2...,m αi≥0 i=1,2...,m
求解即可得到模型,
f(x)=wT∗ϕ(x)+b=∑mi=1αi∗yi∗ϕ(xi)T∗ϕ(xj)+b=∑mi=1αi∗yi∗k(xi,xj)+b (19) f(x)=wT∗ϕ(x)+b=∑i=1mαi∗yi∗ϕ(xi)T∗ϕ(xj)+b=∑i=1mαi∗yi∗k(xi,xj)+b (19)
其中, k(.,.) k(.,.) 就是核函数;
常见的核函数有,
线性核, k(xi,xj)=xTi∗xj k(xi,xj)=xiT∗xj;
多项式核, k(xi,xj)=(xi∗xj)d,d≥1 k(xi,xj)=(xi∗xj)d,d≥1 ,为多项式的次数;
高斯核, k(xi,xj)=exp(−||xi−xj||22∗σ2),σ>0 k(xi,xj)=exp(−||xi−xj||22∗σ2),σ>0;
拉普拉斯核, k(xi,xj)=exp(−||xi−xj||σ).σ>0 k(xi,xj)=exp(−||xi−xj||σ).σ>0;
Sigmoid核, k(xi,xj)=tanh(β∗xTi∗xj+θ),β>0,θ<0 k(xi,xj)=tanh(β∗xiT∗xj+θ),β>0,θ<0;
2.4 软间隔
前面介绍的支持向量机形式要求所有样本满足约束条件(3),即所有样本都必须划分正确,也即“硬划分”,而软间隔则是允许某些样本不满足约束
yi∗(wT∗xi+b)≥1 (20) yi∗(wT∗xi+b)≥1 (20)
在最大化间隔的同时,不满足约束的样本应该尽可能少,于是,优化目标可写为,
minw,b12||w||2+C∗∑mi=1ℓ0/1(yi∗(wT∗xi+b)−1) (21) minw,b12||w||2+C∗∑i=1mℓ0/1(yi∗(wT∗xi+b)−1) (21)
其中C > 0, ℓ0/1 ℓ0/1 是“0-1损失函数”,
ℓ=1, if z<0 (22) ℓ=1, if z<0 (22)
ℓ=0,otherwise ℓ=0,otherwise
如果C为无穷大,则式(21)迫使所有样本均满足约束(20),于是式(21)等价与式(6);
如果C取有限值,式(21)允许一些样本不满足约束(20);
由于 ℓ0/1 ℓ0/1 非凸,非连续,因此可以选用其它函数代替它,如hinge-loss,exponential-loss,logistic-loss等损失函数。
若采用hinge-loss函数,则式(21)变为,
minw,b12||w||2+C∗∑mi=1max(0,1−yi∗(wT∗xi+b)) (23) minw,b12||w||2+C∗∑i=1mmax(0,1−yi∗(wT∗xi+b)) (23)
引入松弛变量 ξi≥0 ξi≥0,则式(23)重写为,
minw,b,ξi12||w||2+C∗∑mi=1ξi (24) minw,b,ξi12||w||2+C∗∑i=1mξi (24)
s.t. yi∗(wT∗xi+b)≥1−ξi s.t. yi∗(wT∗xi+b)≥1−ξi
ξi≥0, i=1,2,...,m ξi≥0, i=1,2,...,m
与式(8)类似,通过拉格朗日乘子法可得式(24)的拉格朗日函数。
L(w,b,ξ,μ)=12||w||2+C∗∑mi=1ξi+∑mi=1αi∗(1−ξi−yi∗(wT∗xi+b))−∑mi=1μi∗ξi (25) L(w,b,ξ,μ)=12||w||2+C∗∑i=1mξi+∑i=1mαi∗(1−ξi−yi∗(wT∗xi+b))−∑i=1mμi∗ξi (25)
其中, αi≥0, μi≥0 αi≥0, μi≥0是拉格朗日乘子;
令 L(w,b,ξ,μ) L(w,b,ξ,μ) 分别对 w,b,ξi w,b,ξi 求偏导,可得,
w=∑mi=1αi∗yi∗xi (26) w=∑i=1mαi∗yi∗xi (26)
0=∑mi=1αi∗yi (27) 0=∑i=1mαi∗yi (27)
C=αi+μi (28) C=αi+μi (28)
将式(26)-(28)代入式(25)中,可得式(24)的对偶问题,
maxα=∑mi=1αi−12∑mi=1∑mj=1αi∗αj∗yi∗yj∗xTi∗xj (29) maxα=∑i=1mαi−12∑i=1m∑j=1mαi∗αj∗yi∗yj∗xiT∗xj (29)
s.t. ∑mj=1αi∗yi∗xi=0 s.t. ∑j=1mαi∗yi∗xi=0
0≤αi≤C,i=1,2,...,m 0≤αi≤C,i=1,2,...,m
对比式(29)与式(11),唯一的差别就是在于对偶变量的约束不同,前者是 0≤αi≤C 0≤αi≤C,后者是 0≤αi 0≤αi,解法与之前一样,引入核函数后能得到式(19)同样的支持向量展开式;
类似于式(13),对软间隔支持向量机,KKT条件要求。
C≥αi≥0,μi≥0 (30) C≥αi≥0,μi≥0 (30)
yi∗f(xi)−1+ξi≥0 yi∗f(xi)−1+ξi≥0
αi∗(yi∗f(xi)−1+ξi)=0 αi∗(yi∗f(xi)−1+ξi)=0
ξi≥0, μi∗ξi=0 ξi≥0, μi∗ξi=0
对任意训练样本 (xi,yi) (xi,yi),总有 αi=0 αi=0 或者 yi∗f(xi)=1−ξi yi∗f(xi)=1−ξi;
(1) 若 αi=0 αi=0 ,则该样本不会对 f(x) f(x) 有任何影响;
(2) 若 αi>0 αi>0 ,则必有 yi∗f(xi)=1−ξi yi∗f(xi)=1−ξi,则该样本为支持向量;
(2.1) 若 αi<C αi<C ,则 μi>0, ξi=0 μi>0, ξi=0,必有 yi∗f(xi)=1 yi∗f(xi)=1,则该样本位于最大间隔上;
(2.2) 若 αi=C αi=C ,则 μi=0, ξi>0 μi=0, ξi>0,
(2.2.1) 若 ξi≤1 ξi≤1,则样本落在最大分割内部;
(2.2.2) 若 ξi≥1 ξi≥1,则样本被错误分类;
2.5 多分类
SVM算法最初是为二分类问题设计,当处理多分类问题时,需要构造合适的多类分类器。
1.one-versus-rest(一对多法):
训练时,依次把某个类别的样本归为一类,其他剩余的样本归为另一类,有k个类别的样本就构造出k个SVM;预测时,将未知样本分类为具有最大分类函数值的那类。
缺陷:会存在数据倾斜;分类结果出现重叠(属于多个分类器)或者不可分类(不属于任何一个分类器)。
2.one-versus-one(一对一法):
训练时,选择一个类的样本作为正样本,负样本则只选择一个类,又k个类别的样本,就构造出 k(k−1)2 k(k−1)2 个分类器,虽然分类器的数组增加了,但是训练阶段所用的总时间却比"one-versus-rest"方法少很多。预测时,每个分类器都会预测出一个结果,然后统计最后的预测结果。尽管这个方法也有分类重叠现象,但是不会有不可分类的现象,因为不可能所有类别的票数都是0。
3.DAG SVM:
类似于"one-versus-one"方法,只是在对一个样本进行分类之前,先按照下图的结构组织分类器(这是一个有向无环图,因此被称作DAG SVM),
在预测时,可以先问分类器"1 vs 5",如果回答是5,就往左走;再问分类器"2 vs 5",如果还回答5,就继续往左走,一直问下去,就可以得到分类结果,如果有k个类别,那么只调用k-1个,分类速度快,且没有分类重叠和不可分类现象。
缺陷:如果一开始分类器回答错误,那么后面的分类器是无法纠正的。
3 工程应用
使用Python机器学习开源库scikit-learn中提供的SVM算法来进行实验。scikit-learn中提供的SVM模型既可以支持稠密数据(numpy.ndarray),也支持稀疏数据(scipy.sparse)。如果要使用SVM模型来对稀疏数据进行预测,它必须符合这些数据类型,例如,为了获得最优的性能,在使用C-ordered numpy.ndarray(稠密)或者scipy.sparse.csr_matrix(稀疏)这些数组时,指定数据类型dtype=float64。
example 1,画出不同SVM分类器在iris数据集上的分界线;
import numpy as np
import matplotlib.pyplot as plt
from sklearn import svm,datasets
iris = datasets.load_iris()
X = iris.data[:,:2]
y = iris.target
h = 0.02
C = 1.0
svc = svm.SVC(kernel = 'linear',C=C).fit(X,y)
rbf_svc = svm.SVC(kernel = 'rbf',gamma = 0.7, C=C).fit(X,y)
poly_svc = svm.SVC(kernel = 'poly',degree = 3,C=C).fit(X,y)
lin_svc = svm.LinearSVC(C=C).fit(X,y)
x_min,x_max = X[:,0].min() - 1,X[:,0].max() + 1
y_min,y_max = X[:,1].min() - 1,X[:,1].max() + 1
xx,yy = np.meshgrid(np.arange(x_min,x_max,h),
np.arange(y_min,y_max,h))
titles = ['SVC with linear kernel',
'LinearSVC (linear kernel)',
'SVC with RBF kernel',
'SVC with polynomial (degree 3) kernel']
for i ,clf in enumerate((svc,lin_svc,rbf_svc,poly_svc)):
plt.subplot(2,2,i+1)
plt.subplots_adjust(wspace = 0.4,hspace = 0.4)
Z = clf.predict(np.c_[xx.ravel(),yy.ravel()])
Z = Z.reshape(xx.shape)
plt.contourf(xx, yy, Z, cmap=plt.cm.Paired, alpha=0.8)
plt.scatter(X[:, 0], X[:, 1], c=y, cmap=plt.cm.Paired)
plt.xlabel('Sepal length')
plt.ylabel('Sepal width')
plt.xlim(xx.min(), xx.max())
plt.ylim(yy.min(), yy.max())
plt.xticks(())
plt.yticks(())
plt.title(titles[i])
plt.show()
各个分类器的分界面如下所示,
example 2,画出最大分割超平面;
import numpy as np
import matplotlib.pyplot as plt
from sklearn import svm
# we create 40 separable points
np.random.seed(0)
X = np.r_[np.random.randn(20, 2) - [2, 2], np.random.randn(20, 2) + [2, 2]]
Y = [0] * 20 + [1] * 20
# fit the model
clf = svm.SVC(kernel='linear')
clf.fit(X, Y)
# get the separating hyperplane
w = clf.coef_[0]
a = -w[0] / w[1]
xx = np.linspace(-5, 5)
yy = a * xx - (clf.intercept_[0]) / w[1]
# plot the parallels to the separating hyperplane that pass through the
# support vectors
b = clf.support_vectors_[0]
yy_down = a * xx + (b[1] - a * b[0])
b = clf.support_vectors_[-1]
yy_up = a * xx + (b[1] - a * b[0])
# plot the line, the points, and the nearest vectors to the plane
plt.plot(xx, yy, 'k-')
plt.plot(xx, yy_down, 'k--')
plt.plot(xx, yy_up, 'k-.')
plt.scatter(clf.support_vectors_[:, 0], clf.support_vectors_[:, 1],
s=80, facecolors='none')
plt.scatter(X[:, 0], X[:, 1], c=Y, cmap=plt.cm.Paired)
plt.axis('tight')
plt.show()
最大分割超平面如下所示,
example 3,针对异或类型数据,研究SVM(高斯核)中参数对分类的影响。
import numpy as np
import matplotlib.pyplot as plt
from sklearn import svm
xx, yy = np.meshgrid(np.linspace(-3, 3, 500),
np.linspace(-3, 3, 500))
np.random.seed(0)
X = np.random.randn(300, 2)
Y = np.logical_xor(X[:, 0] > 0, X[:, 1] > 0)
CArray = [0.1,1.0,10.0,100.0]
gammaArray = [0.1,1.0,10.0,100.0]
clfList = []
for C in CArray:
clf = svm.SVC(kernel = 'rbf',gamma = gammaArray[1], C=C).fit(X,Y)
clfList.append(clf)
for gamma in gammaArray:
clf = svm.SVC(kernel = 'rbf',gamma = gamma, C=CArray[1]).fit(X,Y)
clfList.append(clf)
titles = ['C = 0.1,gamma = 1.0',
'C = 1.0,gamma = 1.0',
'C = 10.0,gamma = 1.0',
'C = 100.0,gamma = 1.0',
'C = 1.0,gamma = 0.1',
'C = 1.0,gamma = 1.0',
'C = 1.0,gamma = 10.0',
'C = 1.0,gamma = 100.0',
]
# fit the model
for i,clf in enumerate(clfList):
print "i = ",i
plt.subplot(2, 4, i + 1)
plt.subplots_adjust(wspace=0.4, hspace=0.4)
# plot the decision function for each datapoint on the grid
Z = clf.decision_function(np.c_[xx.ravel(), yy.ravel()])
Z = Z.reshape(xx.shape)
plt.imshow(Z, interpolation='nearest',
extent=(xx.min(), xx.max(), yy.min(), yy.max()), aspect='auto',
origin='lower', cmap=plt.cm.PuOr_r)
contours = plt.contour(xx, yy, Z, levels=[0], linewidths=2,
linetypes='--')
plt.scatter(X[:, 0], X[:, 1], s=30, c=Y, cmap=plt.cm.Paired)
plt.xticks(())
plt.yticks(())
plt.axis([-3, 3, -3, 3])
plt.title(titles[i])
plt.show()
分类对比图,如下所示,
上面四个图是固定 γ γ ,选取不同的C,可以发现C越大时,允许被错误分类的样本数量就越少;C越小时,允许被错误分类的样本数量就可能就会越多。
下面四个图是固定C,选取不同的 γ γ , γ=12∗σ2 γ=12∗σ2 会影响高斯核函数的分布, γ γ 越大,高斯核函数分布就会越陡峭; γ γ 越小,高斯很函数分布就会越平缓; 因此当 γ γ 越大时,截取等高面时,样本就只会在自己周围形成分布; γ γ 越小时,截取等高面时,样本就可以在自己周围较大的范围内形成分布,因此同类样本就有可能连接在一起。