【Machine Learning, Coursera】机器学习Week7 支持向量机

Support Vector Machine (SVM)

---

本节内容：
支持向量机(SVM)是一种监督式分类学习算法，它非常适合于线性可分数据的分类。本节介绍SVM目标函数的形式和SVM的特点。

相关机器学习概念：
支持向量机(Support Vector Machine, SVM)
大间隔分类器(Large Margin Classifiers)
线性可分数据(Linear Separable)

---

1. Optimization Objective

回顾logistic回归，我们有以下规定：
预测$y=1$时，有$h_{\theta }(x)\approx 1$，${\theta }^{T}x\ge 0$
预测$y=0$时，有$h_{\theta }(x)\approx 0$，${\theta }^{T}x\le 0$

logistic回归的损失函数(unregularized)：
$$J(\theta )=\frac{1}{m}\sum _{i=1}^m[-y^{(i)}log(\frac{1}{1+e^{-{\theta }^T{x}^{(i)}}})-(1-y^{(i)})log(1-\frac{1}{1+e^{-{\theta }^T{x}^{(i)}}})]$$

为了构造SVM，我们修改$-log(\frac{1}{1+e^{-{\theta }^{T}x}})$项，使得当$z={\theta }^{T}x\ge 1$时输出0，$z\le 1$时，我们用一条单调递减的直线替代原有的sigmoid函数。同样地，修改$-log(1-\frac{1}{1+e^{-{\theta }^{T}x}})$项，使得当$z\le -1$时，输出0，$z\ge -1$时，则用一条单调递增的直线替代原有的sigmoid函数：

将修改的两项分别记作$cos{t}_1(z)$和$cos{t}_0(z)$，$cos{t}_1(z)$是y=1时的分类损失，$cos{t}_0(z)$是y=0时的损失：
$z={\theta }^{T}x$
c o s t 1 ( z ) = m a x { 0 , k ( 1 − z ) } cost_1(z)=max\{0,k(1-z)\} cost1​(z)=max{0,k(1−z)}
c o s t 0 ( z ) = m a x { 0 , k ( 1 + z ) } cost_0(z)=max\{0,k(1+z)\} cost0​(z)=max{0,k(1+z)}

将以上表达式替换进logistic回归的损失函数表达式，可以得到SVM的损失函数(regularized)：
$$J(\theta )=\frac{1}{m}\sum _{i=1}^m[y^{(i)}cos{t}_1({\theta }^T{x}^{(i)})+(1-y^{(i)})cos{t}_0({\theta }^T{x}^{(i)})]+\frac{\lambda }{2m}\sum _{j=1}^n{\theta }_j^2$$

我们可以通过乘以一个常数m来优化该表达式，这不会影响参数的优化结果：
$$J(\theta )=\sum _{i=1}^m[y^{(i)}cos{t}_1({\theta }^T{x}^{(i)})+(1-y^{(i)})cos{t}_0({\theta }^T{x}^{(i)})]+\frac{\lambda }{2}\sum _{j=1}^n{\theta }_j^2$$

更进一步，根据惯例，我们用C，而不是$\lambda$作为正则化参数：
$$J(\theta )=C\sum _{i=1}^m[y^{(i)}cos{t}_1({\theta }^T{x}^{(i)})+(1-y^{(i)})cos{t}_0({\theta }^T{x}^{(i)})]+\frac{1}{2}\sum _{j=1}^n{\theta }_j^2$$

上式就是SVM的损失函数的最终表达形式。不难看出$C=\frac{1}{\lambda }$. 之所以这样处理，是因为在SVM中我们希望控制的是目标函数的前一项。过拟合时，我们减小C，欠拟合时，增大C。

需要注意的是，不同于logistic回归的假设函数，SVM的假设函数输出的不是y=0或1的概率，它的输出非1即0：

2. Large Margin Intuition

SVM是一类大间隔分类器(Large Margin Classifiers)，所谓间隔，指的是决策边界到最近的样本的距离。SVM的决策边界总是尽可能地远离正样本和负样本，将正样本和负样本以一个大的间隔区分开来。

如果我们有以下线性可分(Linear Separable)的样本，SVM会选择下图中黑线决定的决策边界，而非绿线或者粉线。
（线性可分是指可用一条直线将正负样本区分开来）

为什么SVM会得到这样一个决策边界呢？

可以看到，对于SVM，为了最小化$cos{t}_1(z)$和$cos{t}_0(z)$的值：
如果$y=1$，我们希望${\theta }^{T}x\ge 1$，而不仅仅是${\theta }^{T}x\ge 0$
如果$y=0$，我们希望${\theta }^{T}x\le -1$，而不仅仅是${\theta }^{T}x\le 0$
这一更高的要求相当于在SVM中嵌入了一个安全的距离因子。

这一距离因子只有当常数C的值很大时才会发挥作用。如果我们设置的常数C非常大（如C=100,000），为了最小化目标函数，参数优化会让C所控制的${\sum }_{i=1}^m[y^{(i)}cos{t}_1({\theta }^T{x}^{(i)})+(1-y^{(i)})cos{t}_0({\theta }^T{x}^{(i)})]$项尽可能地等于零。目标函数简化为：
$$J(\theta )=C\cdot 0+\frac{1}{2}\sum _{j=1}^n{\theta }_j^2=\frac{1}{2}\sum _{j=1}^n{\theta }_j^2$$

需要注意的是，为了让SVM这类大间距分类器发挥其优势，我们通常将C的值设置的很大，但这会导致SVM容易受到异常点(outlier)的影响，因此不适用于数据线性不可分的情况。
对于下图的样本数据，用黑线划分显然比粉线看起来更加自然。但如果C设置的很大，那么一个异常点就会把决策边界从原来的黑线变为粉线。为了避免异常点的影响，需要将C的值调小一些，以得到更好的分类结果。