引入
支持向量机是学习这些算法以来，数学最难，代码最长的一个，数学推导极其之长，非常感谢B站up shuhuai008的白板推导系列，如果没有看过数学推导部分或者看了其他资料没有看懂的同学，一定要去看up的视频，讲的非常详细。我这一章的东西绝大部分都是来自up和《统计学习方法》的内容。
支持向量机又称SVM，也是一种分类算法，它和上一章的逻辑回归比较像，即便是书上的例子也很像，都是利用超平面划分数据点，但是两者也有些许不同。希望经过这一章的在学习，我能对这两种算法有更深刻的认识。
SVM有三宝：间隔、对偶、核技巧
又根据分类方法的不同，又分为硬间隔、软间隔、核技巧
《机器学习实战》主要介绍了一种基于SVM的算法-SMO
又是这样的两种类别的数据，怎样的超平面才能得到最好的效果呢？，这个图不是很清晰，用《统计学习方法》里的一张图。同时我们引入几个概念。
支持向量：训练集中样本点中距离超平面最近的点的实例
间隔边界：图中H1,H2就是间隔边界，支持向量在他们身上，间隔边界平行于超平面
最大间隔： H1，H2之间的距离叫做间隔，我们要找的就是最大间隔。
SVM最简单的硬间隔就是基于这个想法，可以对数据分类的超平面有无线多个，但是使间隔最大的超平面只有一个，我们就寻找一个能使间隔最大的超平面作为分类结果，这个例子比较的特殊，两类别之间有明显的界限，且没有很强的噪音，用哪个分类方式应该都不会太差…但大部分的是没有这么理想的数据集的，硬间隔在数据没有这么理想的时候分类效果可能不是很好，因此会用到软间隔。后面的软间隔只是在这个硬间隔基础上加了一个Loss函数。我们首先先进行硬间隔的数学理论推导部分
数学推导
硬间隔
对于数据集
我们设超平面为 wx+b=0，超平面一侧为正例，另一侧为负例，通过计算分类决策函数f(x),结果为正值时分类到正例，结果为负值时分类到负例。
既然是最大求间隔，那么怎么计算点到超平面的距离呢，
https://blog.csdn.net/yutao03081/article/details/76652943，这是理论推导。
根据上面可得，对于数据点，存在
这样写实在是太麻烦了，后面等我买个ipad，有机会再在上面推导一次录个视频发一下，我把我当时记的笔记发上来，不好理解的地方去看视频吧…
软间隔
简易SMO算法
# version:python3.7.3
# author:hty
# date:2020.5.22
from numpy import *
from time import sleep
def loadDataSet(filename):
'''
function:加载数据集
'''
dataMat = []
labelMat = []
fr = open(filename)
for line in fr.readlines():
lineArr = line.strip().split('\t')
dataMat.append([float(lineArr[0]),float(lineArr[1])])
labelMat.append(float(lineArr[2]))
return dataMat, labelMat
def selectJrand(i,m):
'''
function:返回一个值不等于i，并且值 0<j<m
'''
j=i
while (j==i):
j = int(random.uniform(0,m))
return j
def clipAlpha(aj, H, L):
if aj > H:
aj = H
if L > aj:
aj = L
return aj
def smoSimple(dataMatIn, classLabels, C, toler, maxIter):
'''
function:简易SMO算法
dataMatIn:数据集
classLabels:数据点对应类别
C:常数C
toler:容错率
maxIter:循环取消前最大循环次数
'''
# 转化为矩阵形式
dataMatrix = mat(dataMatIn); labelMat = mat(classLabels).transpose()
# 初始化b，得到矩阵行数跟列数
b = 0; m,n = shape(dataMatrix)
# 初始化a矩阵
alphas = mat(zeros((m,1)))
# iter是迭代次数
iter = 0
# 当小于最大迭代次数时
while (iter < maxIter):
# alphaPairsChanged 用于判断是否有alpha被优化
alphaPairsChanged = 0
for i in range(m):
# 这里就是在我们知道w值的情况下，带入wx+b，即对应 ∑alpha_i*y_i*<x_i,x> + b，预测xi的类别，这里不太好理解，可以自己拿笔写一写
fXi = float(multiply(alphas, labelMat).T*(dataMatrix*dataMatrix[i, :].T)) + b
# 求真实值和预测值的差值
Ei = fXi - float(labelMat[i])
# toler：容忍错误的程度
# labelMat[i]*Ei < -toler 则需要alphas[i]增大，但是不能>=C
# labelMat[i]*Ei > toler 则需要alphas[i]减小，但是不能<=0
if ((labelMat[i]*Ei < -toler) and (alphas[i] < C)) or ((labelMat[i]*Ei > toler) and (alphas[i] > 0)):
# 挑选另一个j
j = selectJrand(i, m)
# 计算j的预测值
fXj = float(multiply(alphas, labelMat).T*(dataMatrix*dataMatrix[j, :].T)) + b
# 计算j真实值和预测值的差值
Ej = fXj - float(labelMat[j])
# 拷贝i，j对应的alpha值
alphaIold = alphas[i].copy(); alphaJold = alphas[j].copy();
# 这是要满足KKT条件，对alpha设下的界
if (labelMat[i] != labelMat[j]):
L = max(0, alphas[j] - alphas[i])
H = min(C, C + alphas[j] - alphas[i])
else:
L = max(0, alphas[j] + alphas[i] - C)
H = min(C, alphas[j] + alphas[i])
# 如果下界等于上界，说明alpha = 0
if L == H: print ("L==H"); continue
# 算出 eta = K11 + K22 - K12
eta = 2.0 * dataMatrix[i, :]*dataMatrix[j, :].T - dataMatrix[i, :]*dataMatrix[i, :].T - dataMatrix[j, :]* dataMatrix[j, :].T
#print('eta:',eta)
if eta >= 0: print("eta>=0"); continue
# 计算更新后的alpha[j]
alphas[j] -= labelMat[j]*(Ei - Ej)/eta
# 要求alpha[j]满足KKT条件
alphas[j] = clipAlpha(alphas[j], H, L)
# 如果alpha[j]变化不大，说明优化已经稳定，进入下一个for循环
if (abs(alphas[j] - alphaJold) < 0.00001): print ("j not moving enough"); continue
# 更新完alpha[j]再更新alpha[i]，公式来自《统计学习方法》7.109公式
alphas[i] += labelMat[j]*labelMat[i]*(alphaJold - alphas[j])
# 公式来自7.115
b1 = b - Ei- labelMat[i]*(alphas[i]-alphaIold)*dataMatrix[i, :]*dataMatrix[i, :].T - labelMat[j]*(alphas[j]-alphaJold)*dataMatrix[i, :]*dataMatrix[j, :].T
b2 = b - Ej- labelMat[i]*(alphas[i]-alphaIold)*dataMatrix[i, :]*dataMatrix[j, :].T - labelMat[j]*(alphas[j]-alphaJold)*dataMatrix[j, :]*dataMatrix[j, :].T
if (0 < alphas[i]) and (C > alphas[i]): b = b1
elif (0 < alphas[j]) and (C > alphas[j]): b = b2
else: b = (b1 + b2)/2.0
# 如果一次循环能运行到这里，说明alpha已经更新
alphaPairsChanged += 1
print ("iter: %d i:%d, pairs changed %d" % (iter, i, alphaPairsChanged))
# 如果为0，说明这一次外循环没有变动
if (alphaPairsChanged == 0): iter += 1
# 如果alpha有更新，那么重新进行外循环
else: iter = 0
print( "iteration number: %d" % iter)
# 返回alpha的列向量和b
return b, alphas
上面这个是简易smo算法，下面的是完整版的smo算法
完整SMO算法
不想看了，太麻烦了…来源于https://www.cnblogs.com/gezhuangzhuang/p/9965819.html
class optStruct:
"""
Function： 存放运算中重要的值
Input： dataMatIn：数据集
classLabels：类别标签
C：常数C
toler：容错率
Output： X：数据集
labelMat：类别标签
C：常数C
tol：容错率
m：数据集行数
b：常数项
alphas：alphas矩阵
eCache：误差缓存
"""
def __init__(self, dataMatIn, classLabels, C, toler):
self.X = dataMatIn
self.labelMat = classLabels
self.C = C
self.tol = toler
self.m = shape(dataMatIn)[0]
self.alphas = mat(zeros((self.m, 1)))
self.b = 0
self.eCache = mat(zeros((self.m, 2)))
def calcEk(oS, k):
"""
Function： 计算误差值E
Input： oS：数据结构
k：下标
Output： Ek：计算的E值
"""
# 计算fXk，整个对应输出公式f(x)=w`x + b
fXk = float(multiply(oS.alphas, oS.labelMat).T * (oS.X * oS.X[k,:].T)) + oS.b
# 计算E值
Ek = fXk - float(oS.labelMat[k])
# 返回计算的误差值E
return Ek
def selectJ(i, oS, Ei):
"""
Function： 选择第二个alpha的值
Input： i：第一个alpha的下标
oS：数据结构
Ei：计算出的第一个alpha的误差值
Output： j：第二个alpha的下标
Ej：计算出的第二个alpha的误差值
"""
#初始化参数值
maxK = -1; maxDeltaE = 0; Ej = 0
#构建误差缓存
oS.eCache[i] = [1, Ei]
#print('oS.eCache[:, 0]:',oS.eCache[:, 0])
#构建一个非零列表，返回值是第一个非零E所对应的alpha值，而不是E本身
validEcacheList = nonzero(oS.eCache[:, 0].A)[0]
print('validEcacheList:',validEcacheList)
#如果列表长度大于1，说明不是第一次循环
if (len(validEcacheList)) > 1:
#遍历列表中所有元素
for k in validEcacheList:
#如果是第一个alpha的下标，就跳出本次循环
if k == i: continue
#计算k下标对应的误差值
Ek = calcEk(oS, k)
#取两个alpha误差值的差值的绝对值
deltaE = abs(Ei - Ek)
#最大值更新
if (deltaE > maxDeltaE):
maxK = k; maxDeltaE = deltaE; Ej = Ek
#返回最大差值的下标maxK和误差值Ej
return maxK, Ej
#如果是第一次循环，则随机选择alpha，然后计算误差
else:
j = selectJrand(i, oS.m)
Ej = calcEk(oS, j)
#返回下标j和其对应的误差Ej
return j, Ej
def updateEk(oS, k):
"""
Function： 更新误差缓存
Input： oS：数据结构
j：alpha的下标
Output： 无
"""
#计算下表为k的参数的误差
Ek = calcEk(oS, k)
#将误差放入缓存
oS.eCache[k] = [1, Ek]
def innerL(i, oS):
"""
Function： 完整SMO算法中的优化例程
Input： oS：数据结构
i：alpha的下标
Output： 无
"""
#计算误差
Ei = calcEk(oS, i)
#如果标签与误差相乘之后在容错范围之外，且超过各自对应的常数值，则进行优化
if ((oS.labelMat[i]*Ei < -oS.tol) and (oS.alphas[i] < oS.C)) or ((oS.labelMat[i]*Ei > oS.tol) and (oS.alphas[i] > 0)):
#启发式选择第二个alpha值
j, Ej = selectJ(i, oS, Ei)
#利用copy存储刚才的计算值，便于后期比较
alphaIold = oS.alphas[i].copy(); alpahJold = oS.alphas[j].copy();
#保证alpha在0和C之间
if (oS.labelMat[i] != oS.labelMat[j]):
L = max(0, oS.alphas[j] - oS. alphas[i])
H = min(oS.C, oS.C + oS.alphas[j] - oS.alphas[i])
else:
L = max(0, oS.alphas[j] + oS.alphas[i] - oS.C)
H = min(oS.C, oS.alphas[j] + oS.alphas[i])
# 如果界限值相同，则不做处理直接跳出本次循环
if L == H: print("L==H"); return 0
#最优修改量，求两个向量的内积（核函数）
eta = 2.0 * oS.X[i, :]*oS.X[j, :].T - oS.X[i, :]*oS.X[i, :].T - oS.X[j, :]*oS.X[j, :].T
#如果最优修改量大于0，则不做处理直接跳出本次循环，这里对真实SMO做了简化处理
if eta >= 0: print("eta>=0"); return 0
#计算新的alphas[j]的值
oS.alphas[j] -= oS.labelMat[j]*(Ei - Ej)/eta
#对新的alphas[j]进行阈值处理
oS.alphas[j] = clipAlpha(oS.alphas[j], H, L)
#更新误差缓存
updateEk(oS, j)
#如果新旧值差很小，则不做处理跳出本次循环
if (abs(oS.alphas[j] - alpahJold) < 0.00001): print("j not moving enough"); return 0
#对i进行修改，修改量相同，但是方向相反
oS.alphas[i] += oS.labelMat[j] * oS.labelMat[i] * (alpahJold - oS.alphas[j])
#更新误差缓存
updateEk(oS, i)
#更新常数项
b1 = oS.b - Ei - oS.labelMat[i] * (oS.alphas[i] - alphaIold) * oS.X[i, :]*oS.X[i, :].T - oS.labelMat[j] * (oS.alphas[j] - alpahJold) * oS.X[i, :]*oS.X[j, :].T
b2 = oS.b - Ej - oS.labelMat[i] * (oS.alphas[i] - alphaIold) * oS.X[i, :]*oS.X[j, :].T - oS.labelMat[j] * (oS.alphas[j] - alpahJold) * oS.X[j, :]*oS.X[j, :].T
#谁在0到C之间，就听谁的，否则就取平均值
if (0 < oS.alphas[i]) and (oS.C > oS.alphas[i]): oS.b = b1
elif (0 < oS.alphas[j]) and (oS.C > oS.alphas[i]): oS.b = b2
else: oS.b = (b1 + b2) / 2.0
#成功返回1
return 1
#失败返回0
else: return 0
def smoP(dataMatIn, classLabels, C, toler, maxIter):
"""
Function： 完整SMO算法
Input： dataMatIn：数据集
classLabels：类别标签
C：常数C
toler：容错率
maxIter：最大的循环次数
Output： b：常数项
alphas：数据向量
"""
#新建数据结构对象
oS = optStruct(mat(dataMatIn), mat(classLabels).transpose(), C, toler)
#初始化迭代次数
iter = 0
#初始化标志位
entireSet = True; alphaPairsChanged = 0
#终止条件：迭代次数超限、遍历整个集合都未对alpha进行修改
while (iter < maxIter) and ((alphaPairsChanged > 0) or (entireSet)):
alphaPairsChanged = 0
#根据标志位选择不同的遍历方式
if entireSet:
#遍历任意可能的alpha值
for i in range(oS.m):
#选择第二个alpha值，并在可能时对其进行优化处理
alphaPairsChanged += innerL(i, oS)
print("fullSet, iter: %d i: %d, pairs changed %d" % (iter, i, alphaPairsChanged))
#迭代次数累加
iter += 1
print('--------------------',alphaPairsChanged)
else:
#得出所有的非边界alpha值
#print('(oS.alphas.A > 0):',(oS.alphas.A > 0))
#print('(oS.alphas.A < C):',(oS.alphas.A < C))
#print('oS.alphas:',oS.alphas)
nonBoundIs = nonzero((oS.alphas.A > 0) * (oS.alphas.A < C))[0]
print('nonBoundIs:',nonBoundIs)
#遍历所有的非边界alpha值
for i in nonBoundIs:
#选择第二个alpha值，并在可能时对其进行优化处理
alphaPairsChanged += innerL(i, oS)
print("non-bound, iter: %d i: %d, pairs changed %d" % (iter, i, alphaPairsChanged))
#迭代次数累加
iter += 1
#在非边界循环和完整遍历之间进行切换
if entireSet: entireSet = False
elif (alphaPairsChanged == 0): entireSet =True
print("iteration number: %d" % iter)
#返回常数项和数据向量
alphas_end = oS.alphas.getA()
mylabel_end = array(classLabels)
myDat_end = array(dataMatIn)
w = (alphas_end*mylabel_end.reshape(-1,1)*myDat_end).sum(axis=0)
return oS.b, oS.alphas,w
后记
真的好难啊，写了个啥啊，后面再从头学习一下重新编辑。
https://blog.csdn.net/weixin_42398658/article/details/83303061?utm_medium=distribute.pc_relevant.none-task-blog-baidujs-3
https://blog.csdn.net/luoshixian099/article/details/51227754
955
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
