SVM（support vector machine）支持向量機：

注意：本文不準(zhǔn)備提到數(shù)學(xué)證明的過程，一是因為有一篇非常好的文章解釋的非常好：支持向量機通俗導(dǎo)論（理解SVM的三層境界） ，另一方面是因為我只是個程序員，不是搞數(shù)學(xué)的（主要是因為數(shù)學(xué)不好。），主要目的是將SVM以最通俗易懂，簡單粗暴的方式解釋清楚。

線性分類：

先從線性可分的數(shù)據(jù)講起，如果需要分類的數(shù)據(jù)都是線性可分的，那么只需要一根直線f(x)=wx+b就可以分開了，類似這樣：

這種方法被稱為：線性分類器，一個線性分類器的學(xué)習(xí)目標(biāo)便是要在n維的數(shù)據(jù)空間中找到一個超平面（hyper plane）。也就是說，數(shù)據(jù)不總是二維的，比如，三維的超平面是面。但是有個問題：

上述兩種超平面，都可以將數(shù)據(jù)進行分類，由此可推出，其實能有無數(shù)個超平面能將數(shù)據(jù)劃分，但是哪條最優(yōu)呢？

最大間隔分類器Maximum Margin Classifier：

簡稱MMH， 對一個數(shù)據(jù)點進行分類，當(dāng)超平面離數(shù)據(jù)點的“間隔”越大，分類的確信度（confidence）也越大。所以，為了使得分類的確信度盡量高，需要讓所選擇的超平面能夠最大化這個“間隔”值。這個間隔就是下圖中的Gap的一半。

用以生成支持向量的點，如上圖XO，被稱為支持向量點，因此SVM有一個優(yōu)點，就是即使有大量的數(shù)據(jù)，但是支持向量點是固定的，因此即使再次訓(xùn)練大量數(shù)據(jù)，這個超平面也可能不會變化。

非線性分類：

數(shù)據(jù)大多數(shù)情況都不可能是線性的，那如何分割非線性數(shù)據(jù)呢？

解決方法是將數(shù)據(jù)放到高維度上再進行分割，如下圖：

當(dāng)f(x)=x時，這組數(shù)據(jù)是個直線，如上半部分，但是當(dāng)我把這組數(shù)據(jù)變?yōu)閒(x)=x^2時，這組數(shù)據(jù)就變成了下半部分的樣子，也就可以被紅線所分割。

比如說，我這里有一組三維的數(shù)據(jù)X=（x1,x2,x3），線性不可分割，因此我需要將他轉(zhuǎn)換到六維空間去。因此我們可以假設(shè)六個維度分別是：x1,x2,x3,x1^2,x1*x2,x1*x3，當(dāng)然還能繼續(xù)展開，但是六維的話這樣就足夠了。

新的決策超平面：d(Z)=WZ+b，解出W和b后帶入方程，因此這組數(shù)據(jù)的超平面應(yīng)該是：d(Z)=w1x1+w2x2+w3x3+w4*x1^2+w5x1x2+w6x1x3+b但是又有個新問題，轉(zhuǎn)換高緯度一般是以內(nèi)積（dot product）的方式進行的，但是內(nèi)積的算法復(fù)雜度非常大。

核函數(shù)Kernel：

我們會經(jīng)常遇到線性不可分的樣例，此時，我們的常用做法是把樣例特征映射到高維空間中去。但進一步，如果凡是遇到線性不可分的樣例，一律映射到高維空間，那么這個維度大小是會高到可怕的，而且內(nèi)積方式復(fù)雜度太大。此時，核函數(shù)就隆重登場了，核函數(shù)的價值在于它雖然也是講特征進行從低維到高維的轉(zhuǎn)換，但核函數(shù)絕就絕在它事先在低維上進行計算，而將實質(zhì)上的分類效果表現(xiàn)在了高維上，也就如上文所說的避免了直接在高維空間中的復(fù)雜計算。

幾種常用核函數(shù)：

h度多項式核函數(shù)（Polynomial Kernel of Degree h）

高斯徑向基和函數(shù)（Gaussian radial basis function Kernel）

S型核函數(shù)（Sigmoid function Kernel）

圖像分類，通常使用高斯徑向基和函數(shù)，因為分類較為平滑，文字不適用高斯徑向基和函數(shù)。沒有標(biāo)準(zhǔn)的答案，可以嘗試各種核函數(shù)，根據(jù)精確度判定。

松弛變量：

數(shù)據(jù)本身可能有噪點，會使得原本線性可分的數(shù)據(jù)需要映射到高維度去。對于這種偏離正常位置很遠的數(shù)據(jù)點，我們稱之為 outlier ，在我們原來的 SVM 模型里，outlier 的存在有可能造成很大的影響，因為超平面本身就是只有少數(shù)幾個 support vector 組成的，如果這些 support vector 里又存在 outlier 的話，其影響就很大了。

因此排除outlier點，可以相應(yīng)的提高模型準(zhǔn)確率和避免Overfitting的方式。

解決多分類問題：

經(jīng)典的SVM只給出了二類分類的算法，現(xiàn)實中數(shù)據(jù)可能需要解決多類的分類問題。因此可以多次運行SVM，產(chǎn)生多個超平面，如需要分類1-10種產(chǎn)品，首先找到1和2-10的超平面，再尋找2和1,3-10的超平面，以此類推，最后需要測試數(shù)據(jù)時，按照相應(yīng)的距離或者分布判定。

SVM與其他機器學(xué)習(xí)算法對比(圖)：

Python實現(xiàn)方式：

線性，基礎(chǔ)：

from sklearn import svm 
 
x = [[2,0,1],[1,1,2],[2,3,3]] 
y = [0,0,1] #分類標(biāo)記 
clf = svm.SVC(kernel = 'linear') #SVM模塊，svc,線性核函數(shù) 
clf.fit(x,y) 
 
print(clf) 
 
print(clf.support_vectors_) #支持向量點 
 
print(clf.support_) #支持向量點的索引 
 
print(clf.n_support_) #每個class有幾個支持向量點 
 
print(clf.predict([2,0,3])) #預(yù)測 

線性，展示圖：

from sklearn import svm 
import numpy as np 
import matplotlib.pyplot as plt 
 
np.random.seed(0) 
x = np.r_[np.random.randn(20,2)-[2,2],np.random.randn(20,2)+[2,2]] #正態(tài)分布來產(chǎn)生數(shù)字,20行2列*2 
y = [0]*20+[1]*20 #20個class0，20個class1 
 
clf = svm.SVC(kernel='linear') 
clf.fit(x,y) 
 
w = clf.coef_[0] #獲取w 
a = -w[0]/w[1] #斜率 
#畫圖劃線 
xx = np.linspace(-5,5) #(-5,5)之間x的值 
yy = a*xx-(clf.intercept_[0])/w[1] #xx帶入y，截距 
 
#畫出與點相切的線 
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]) 
 
print("W:",w) 
print("a:",a) 
 
print("support_vectors_:",clf.support_vectors_) 
print("clf.coef_:",clf.coef_) 
 
plt.figure(figsize=(8,4)) 
plt.plot(xx,yy) 
plt.plot(xx,yy_down) 
plt.plot(xx,yy_up) 
plt.scatter(clf.support_vectors_[:,0],clf.support_vectors_[:,1],s=80) 
plt.scatter(x[:,0],x[:,1],c=y,cmap=plt.cm.Paired) #[:，0]列切片，第0列 
 
plt.axis('tight') 
 
plt.show() 

以上就是本文的全部內(nèi)容，希望對大家的學(xué)習(xí)有所幫助，也希望大家多多支持腳本之家。

最新評論