上节课我们主要介绍了Kernel SVM。先将特征转换和计算内积这两个步骤合并起来,简化计算、提高计算速度,再用Dual SVM的求解方法来解决。Kernel SVM不仅能解决简单的线性分类问题,也可以求解非常复杂甚至是无限多维的分类问题,关键在于核函数的选择,例如线性核函数、多项式核函数和高斯核函数等等。但是,我们之前讲的这些方法都是Hard-Margin SVM,即必须将所有的样本都分类正确才行。这往往需要更多更复杂的特征转换,甚至造成过拟合。本节课将介绍一种Soft-Margin SVM,目的是让分类错误的点越少越好,而不是必须将所有点分类正确,也就是允许有noise存在。这种做法很大程度上不会使模型过于复杂,不会造成过拟合,而且分类效果是令人满意的。
目录
1. Motivation and Primal Problem
3. Messages behind Soft-Margin SVM
1. Motivation and Primal Problem
上节课我们说明了一点,就是SVM同样可能会造成overfit。原因有两个,一个是由于我们的SVM模型(即kernel)过于复杂,转换的维度太多,过于powerful了;另外一个是由于我们坚持要将所有的样本都分类正确,即不允许错误存在,造成模型过于复杂。如下图所示,左边的图是线性的,虽然有几个点分类错误,但是大部分都能完全分开。右边的图
是四次多项式,所有点都分类正确了,但是模型比较复杂,可能造成过拟合。直观上来说,左边的图是更合理的模型。
如何避免过拟合?方法是允许有分类错误的点,即把某些点当作是noise,放弃这些noise点,但是尽量让这些noise个数越少越好。回顾一下我们在机器学习基石笔记中介绍的pocket算法,pocket的思想不是将所有点完全分开,而是找到一条分类线能让分类错误的点最少。而Hard-Margin SVM的目标是将所有点都完全分开,不允许有错误点存在。为了防止过拟合,我们可以借鉴pocket的思想,即允许有犯错误的点,目标是让这些点越少越好。
为了引入允许犯错误的点,我们将Hard-Margin SVM的目标和条件做一些结合和修正,转换为如下形式:
修正后的条件中,对于分类正确的点,仍需满足,而对于noise点,满足
,即没有限制。修正后的目标除了
项,还添加了
,即noise点的个数。参数C的引入是为了权衡目标第一项和第二项的关系,即权衡large margin和noise tolerance的关系。
我们再对上述的条件做修正,将两个条件合并,得到:
这个式子存在两个不足的地方。首先,最小化目标中第二项是非线性的,不满足QP的条件,所以无法使用dual或者kernel SVM来计算。然后,对于犯错误的点,有的离胖边界很近,即error小,而有的离胖边界很远,error很大,上式的条件和目标没有区分small error和large error。这种分类效果是不完美的。
为了改正这些不足,我们继续做如下修正:
修正后的表达式中,我们引入了新的参数来表示每个点犯错误的程度值,
.通过使用error值的大小代替是否有error,让问题变得易于求解,满足QP形式要求。这种方法类似于我们在机器学习基石笔记中介绍的0/1 error和squared error。这种soft-margin SVM引入新的参数
.
至此,最终的Soft-Margin SVM的目标为:
条件是:
其中,表示每个点犯错误的程度,
,表示没有错误,
越大,表示错误越大,即点距离边界(负的)越大。参数C表示尽可能选择宽边界和尽可能不要犯错两者之间的权衡,因为边界宽了,往往犯错误的点会增加。large C表示希望得到更少的分类错误,即不惜选择窄边界也要尽可能把更多点正确分类;small C表示希望得到更宽的边界,即不惜增加错误点个数也要选择更宽的分类边界。
与之对应的QP问题中,由于新的参数的引入,总共参数个数为
,限制条件添加了
,则总条件个数为2N。
2. Dual Problem
接下来,我们将推导Soft-Margin SVM的对偶dual形式,从而让QP计算更加简单,并便于引入kernel算法。首先,我们把Soft-Margin SVM的原始形式写出来:
然后,跟我们在第二节课中介绍的Hard-Margin SVM做法一样,构造一个拉格朗日函数。因为引入了,原始问题有两类条件,所以包含了两个拉格朗日因子
.拉格朗日函数可表示为如下形式:
根据之前介绍的KKT条件,我们对上式进行简化。上式括号里面的是对拉格朗日函数计算最小值。那么根据梯度下降算法思想:最小值位置满足梯度为零。
我们先对做偏微分:
根据上式,得到,因为有
,所以
.把
代入到dual形式中并化简,我们发现
都被消去了:
这个形式跟Hard-Margin SVM中的dual形式是基本一致的,只是条件不同。那么,我们分别令拉格朗日函数L对b和w的偏导数为零,分别得到:
经过化简和推导,最终标准的Soft-Margin SVM的Dual形式如下图所示:
Soft-Margin SVM Dual与Hard-Margin SVM Dual基本一致,只有一些条件不同。Hard-Margin SVM Dual中,而Soft-Margin SVM Dual中
,且新的拉格朗日因子
.在QP问题中,Soft-Margin SVM Dual的参数
同样是N个,但是,条件由Hard-Margin SVM Dual中的N+1个变成2N+1个,这是因为多了N个
的上界条件。
3. Messages behind Soft-Margin SVM
推导完Soft-Margin SVM Dual的简化形式后,就可以利用QP,找到Q,p,A,c对应的值,用软件工具包得到的值。或者利用核函数的方式,同样可以简化计算,优化分类效果。Soft-Margin SVM Dual计算
的方法过程与Hard-Margin SVM Dual的过程是相同的。
但是如何根据的值计算b呢?在Hard-Margin SVM Dual中,有complementary slackness条件:
,找到SV,即
得点,
.
那么,在Soft-Margin SVM Dual中,相应的complementary slackness条件有两个(因为两个拉格朗日因子):
找到SV,即的点,由于参数
的存在,还不能完全计算出b的值。根据第二个complementary slackness条件,如果令
,即
,那么
,代入到第一个complementary slackness条件,即可计算得到
.我们把
的点称为free SV。引入核函数后,b的表达式为:
上面求解b提到的一个假设是,这个假设是否一定满足呢?如果没有free SV,所有
的点都满足
怎么办?一般情况下,至少存在一组SV使
的概率是很大的。如果出现没有free SV的情况,那么b通常会由许多不等式条件限制取值范围,值是不确定的,只要能找到其中满足KKT条件的任意一个b值就可以了。这部分细节比较复杂,不再赘述。
接下来,我们看看C取不同的值对margin的影响。例如,对于Soft-Margin Gaussian SVM,C分别取1,10,100时,相应的margin如下图所示:
从上图可以看出,C=1时,margin比较粗,但是分类错误的点也比较多,当C越来越大的时候,margin越来越细,分类错误的点也在减少。正如前面介绍的,C值反映了margin和分类正确的一个权衡。C越小,越倾向于得到粗的margin,宁可增加分类错误的点;C越大,越倾向于得到高的分类正确率,宁可margin很细。我们发现,当C值很大的时候,虽然分类正确率提高,但很可能把noise也进行了处理,从而可能造成过拟合。也就是说Soft-Margin Gaussian SVM同样可能会出现过拟合现象,所以参数的选择非常重要.
我们再来看看取不同值时对应的物理意义。已知
满足两个complementary slackness(互补、松弛性)条件:
若,得到
.
表示该点没有犯错,
表示该点不是SV。所以对应的点在margin之外(或者在margin上),且均分类正确。
若,得到
,且
.
表示该点没有犯错,
表示该点在margin上。这些点即free SV,确定了b的值。
若,不能确定
是否为零,且得到
,这个式表示该点偏离margin的程度,
越大,偏离margin的程度越大。只有当
时,该点落在margin上。所以这种情况对应的点在margin之内负方向(或者在margin上),有分类正确也有分类错误的。这些点称为bounded SV。
所以,在Soft-Margin SVM Dual中,根据的取值,就可以推断数据点在空间的分布情况。
4. Model Selection
在Soft-Margin SVM Dual中,kernel的选择、C等参数的选择都非常重要,直接影响分类效果。例如,对于Gaussian SVM,不同的参数,会得到不同的margin,如下图所示。
其中横坐标是C逐渐增大的情况,纵坐标是逐渐增大的情况。不同的
组合,margin的差别很大。那么如何选择最好的
等超参数呢?最简单最好用的工具就是validation。
validation我们在机器学习基石课程中已经介绍过,只需要将由不同等超参数得到的模型在验证集上进行cross validation,选取
最小的对应的模型就可以了。例如上图中各种
组合得到的
如下图所示:
因为左下角的最小,所以就选择该
对应的模型。通常来说,
并不是
的连续函数,很难使用最优化选择(例如梯度下降)。一般做法是选取不同的离散的
值进行组合,得到最小的
,其对应的模型即为最佳模型。这种算法就是我们之前在机器学习基石中介绍过的V-Fold cross validation,在SVM中使用非常广泛。
V-Fold cross validation的一种极限就是Leave-One-Out CV,也就是验证集只有一个样本。对于SVM问题,它的验证集Error满足:
也就是说留一法验证集Error大小不超过支持向量SV占所有样本的比例。下面做简单的证明。令样本总数为N,对这N个点进行SVM分类后得到margin,假设第N个点的
,不是SV,即远离margin(正距离,分类正确)。这时候,如果我们只使用剩下的N-1个点来进行SVM分类,那么第N个点
必然是分类正确的点,所得的SVM margin跟使用N个点的到的是完全一致的。这是因为我们假设第N个点是non-SV,对w,b没有贡献,不影响margin的位置和形状。所以前N-1个点和N个点得到的margin是一样的。
那么,对于non-SV的点,它的,即对第N个点,它的Error必然为零:
另一方面,假设第N个点 ,即对于SV的点,它的Error可能是0,也可能是1,必然有:
综上所述,即证明了.这符合我们之前得到的结论,即只有SV影响margin,non-SV对margin没有任何影响,可以舍弃。
SV的数量在SVM模型选择中也是很重要的。一般来说,SV越多,表示模型可能越复杂,越有可能会造成过拟合。所以,通常选择SV数量较少的模型,然后在剩下的模型中使用cross-validation,比较选择最佳模型。
5. 总结
本节课主要介绍了Soft-Margin SVM。我们的出发点是与Hard-Margin SVM不同,不一定要将所有的样本点都完全分开,允许有分类错误的点,而使margin比较宽。然后,我们增加了作为分类错误的惩罚项,根据之前介绍的Dual SVM,推导出了Soft-Margin SVM的QP形式。得到的
除了要满足大于零,还有一个上界C。接着介绍了通过
值的大小,可以将数据点分为三种:non-SVs,free SVs,bounded SVs,这种更清晰的物理解释便于数据分析。最后介绍了如何选择合适的SVM模型,通常的办法是cross-validation和利用SV的数量进行筛选。