《机器学习》学习笔记（六）——支持向量机（SVM）

机器学习(Machine Learning)是一门多学科交叉专业，涵盖概率论知识，统计学知识以及复杂算法知识，使用计算机作为工具并致力于真实实时的模拟人类学习方式，并将现有内容进行知识结构划分来有效提高学习效率。本专栏将以学习笔记形式对《机器学习》的重点基础知识进行总结整理，欢迎大家一起学习交流！专栏链接：《机器学习》学习笔记1. 概述支持向量机（support vector mac...

闭关修炼——暂退

7440人浏览 · 2020-04-29 17:46:01

闭关修炼——暂退 · 2020-04-29 17:46:01 发布

机器学习(Machine Learning)是一门多学科交叉专业，涵盖概率论知识，统计学知识以及复杂算法知识，使用计算机作为工具并致力于真实实时的模拟人类学习方式，并将现有内容进行知识结构划分来有效提高学习效率。本专栏将以学习笔记形式对《机器学习》的重点基础知识进行总结整理，欢迎大家一起学习交流！
专栏链接：《机器学习》学习笔记

1. 概述

支持向量机（support vector machines, SVM）是一种二分类模型。

它的基本模型是定义在特征空间上的间隔最大的线性分类器，间隔最大使它有别于感知机；
支持向量机还包括核技巧，这使它成为实质上的非线性分类器。
与之前学习笔记所述的分类问题不同的是：分类问题强调将不同类的样本点以一条线分隔开，而支持向量机则是强调将不同的两类样本点分隔的间隔最大。

★支持向量机的学习策略就是间隔最大化，可形式化为一个求解凸二次规划的问题，也等价于正则化的合页损失函数的最小化问题，支持向量机的学习算法是求解凸二次规划的最优化算法。
其中，“凸”的含义为只有单极值点（一元二次函数那样），而不是有多个极值点；
“二次”含义为诸如： $y=ax^{2}+bx+c$ 绘制的图形样式。

☆支持向量机学习方法包含构建由简至繁的模型：
☞线性可分支持向量机——硬间隔支持向量机（硬间隔最大化）——训练数据线性可分

☞线性支持向量机——软间隔支持向量机（软间隔最大化）——训练数据近似线性可分

☞非线性支持向量机——核技巧及软间隔最大化——训练数据线性不可分。

☆核方法是比支持向量机更为一般的机器学习方法。

2.感知机

感知机的模型就是尝试找到一条直线，能够把二元数据隔离开。
放到三维空间或者更高维的空间，感知机的模型就是尝试找到一个超平面，能够把所有的二元类别隔离开。
对于这个分离的超平面，定义为 $w^{T}x+b=0$ ,如下图。

在超平面 $w^{T}x+b=0$ 上方的，我们定义为y=1；
在超平面 $w^{T}x+b=0$ 下方的，我们定义为y=−1。
可以看出满足这个条件的超平面并不止一个。如何判断哪个超平面的分类效果更好。

接着我们看感知机模型的损失函数优化，它的思想是让所有误分类的点(定义为M)到超平面的距离和最小，即最小化下式：

当w和b成比例的增加，比如,当分子的w和b扩大N倍时，分母的L2范数也会扩大N倍。
在感知机模型中，我们采用的是保留分子，固定分母 $||w||_{2}=1$ ，即最终感知机模型的损失函数为：

那么如果我们不是固定分母，改为固定分子，作为分类模型的改进问题进而引入了SVM。

3.支持向量机

3.1 引子

线性模型：在样本空间中寻找一个超平面, 将不同类别的样本分开。

-Q . 将训练样本分开的超平面可能有很多, 哪一个好呢?

-A . 应选择”正中间”, 对局部扰动容忍性好, 鲁棒性高, 对未见示例的泛化能力最强。

在感知机模型中，可以找到多个可以分类的超平面将数据分开，并且优化时希望所有的点都离超平面远。
但是实际上离超平面很远的点已经被正确分类，让它离超平面更远并没有意义。
反而最关心是那些离超平面很近的点，这些点很容易被误分类。
如果可以让离超平面比较近的点尽可能的远离超平面，那分类效果会好有一些。
SVM的思想起源正起于此。

3.2 间隔

函数间隔是没有统一量度，没有规范化，并不能正常反应点到超平面的距离，在感知机模型里，当分子成比例的增长时，分母也是成倍增长。为了统一度量，需要对法向量w加上约束条件，这样就得到了几何间隔 $\gamma$ , 定义为：

在样本空间中，划分超平面可通过如下线性方程来描述：
$w^{T}+b=0$
其中 $w=(w_{1};w_{2};...;w_{d})$ 为法向量，决定了超平面的方向；
为位移项，决定了超平面与原点之间的距离。
划分超平面可被法向量 $\omega$ 和位移确定，并将其记为 $(\omega ,b)$ 。
样本空间中任意点到超平面 $(\omega ,b)$ 的距离可写为

假设超平面 $(\omega ,b)$ 能将训练样本正确分类，即对于 $(x_{i},y_{i})\in D$
若 $y_{i}=+1$ ，则有 $w^{T}+b>0$ ;
若 $y_{i}=-1$ ，则有 $w^{T}+b<0$ 。令
$\left\{\begin{matrix} \omega ^{T}x_{i}+b\geqslant +1,y_{i}=+1;\\ \omega ^{T}x_{i}+b\leqslant -1,y_{i}=-1. \end{matrix}\right.$
如下图所示，距离超平面最近的这几个训练样本点使上式等号成立，他们被称为“支持向量”
两个异类支持向量到超平面的的距离之和为
$\gamma =\frac{2}{||\omega ||}$
它被称为“间隔”。

欲找到具有“最大间隔”的划分超平面，也就是要找到能满足式 $\left\{\begin{matrix} \omega ^{T}x_{i}+b\geqslant +1,y_{i}=+1;\\ \omega ^{T}x_{i}+b\leqslant -1,y_{i}=-1. \end{matrix}\right.$ 中约束的参数 $\omega$ 和，使得 $\gamma$ 最大，即

显然，为了最大化间隔，仅需最大化 $||\omega ||^{-1}$ ，这等价于最小化 $||\omega ||^{2}$ ，于是上式可写成

这就是支持向量机（SVM）的基本型。 ★★★

3.3 支持向量

如下图所示，分离超平面为 $w^{T}+b=0$ ，如果所有的样本不光可以被超平面分开，还和超平面保持一定的函数距离（下图函数距离为1），那么这样的分类超平面是比感知机的分类超平面优的。
可以证明，这样的超平面只有一个。
和超平面平行的保持一定的函数距离的这两个超平面对应的向量，我们定义为支持向量，如下图虚线所示。

★超平面方程: ${\color{Red} w^{T}+b=0}$

★最大间隔: 寻找参数 ${\color{Red} \omega}$ 和 ${\color{Red} b}$ , 使得 ${\color{Red} \gamma}$ 最大.

3.4 对偶问题

其中f(x)是目标函数，g(x)为不等式约束，h(x)为等式约束。

若f(x)，h(x)，g(x)三个函数都是线性函数，则该优化问题称为线性规划。
若任意一个是非线性函数，则称为非线性规划。

若目标函数为二次函数，约束全为线性函数，称为二次规划。

若f(x)为凸函数，g(x)为凸函数，h(x)为线性函数，则该问题称为凸优化。
注意这里不等式约束g(x)<=0则要求g(x)为凸函数，若g(x)>=0则要求g(x)为凹函数。

凸优化的任一局部极值点也是全局极值点，局部最优也是全局最优。

对于稍前所述的公式（SVM的基本型）

与

使用拉格朗日乘子法可得到其“对偶问题”
对上式的每条约束添加拉格朗日乘子 $\alpha _{i}\geqslant 0$ ，该问题的拉格朗日函数可写为：

我们希望求解SVM的基本型公式来得到大间隔划分超平面所对应的模型
$f(x)=\omega ^{T}+b$
其中 $\omega$ 和是模型参数。
注意到SVM的基本型是一个凸二次规划问题。能直接用现成的优化计算包求解，但我们又更高效的办法。

拉格朗日乘子法

第一步：引入拉格朗日乘子得到拉格朗日函数

即

第二步：令 $L(\omega ,b,\alpha )$ 对 $\omega$ 和的偏导为零可得

$0=\sum_{i=1}^{m}\alpha _{i}y_{i}=-\frac{1}{2}w^{T}w+\sum_{i=1}^{m}\alpha _{i}$
第三步：回代可得

不难发现，这是一个二次规划问题。
然而，该问题的规模正比于训练样本数，这会在实际任务中造成很大的开销。
为了避开这个方案，人们提出了很多高效算法，SMO是其中一个著名的代表。

解的稀疏性

求出 $\omega$ 和后，可得最终模型：

KKT条件：

对任意样本 $(x_{i},y_{i})$ ，总有 $\alpha _{i}=0$ 或 $y_{i}f(x_{i})=1$ 。
若 $\alpha _{i}=0$ ，则该样本将不会在式的求和中出现，也就不会对f(x)有任何影响；
若 $\alpha _{i}>0$ ，则必有 $y_{i}f(x_{i})=1$ ，所对应的样本点位于最大间隔边界上，是一个支持向量。
支持向量机解的稀疏性: 训练完成后, 大部分的训练样本都不需保留, 最终模型仅与支持向量有关。
重要性质：模型训练完后，大部分的训练样本都不需要保留，最终模型仅仅与支持向量有关。

对偶方法重新求解前面的问题

如下图所示的训练数据集，其正实例点是 $x_{1}=(3,3)$ ， $x_{2}=(4,3)$ ，负实例点是 $x_{3}=(1,1)$
试求其线性可分的支持向量机。

解：正实例点是 $x_{1}=(3,3)$ ， $x_{2}=(4,3)$
负实例点是 $x_{3}=(1,1)$
根据SVM的基本型

可得：

第一步：转化为对偶问题
由拉格朗日乘子法

可得（求最小化问题添负号，三个样本故m=3，正样本y=+1，负样本y=-1）

即

注：这里赘述一点关于上式中的难点推导：
已知正样本1： $(x_{1},y_{1})=(3,3)$
正样本2： $(x_{2},y_{2})=(4,3)$
负样本： $(x_{3},y_{3})=(1,1)$
那么 $\sum_{i=1}^{3}\sum_{j=1}^{3}$ 是将样本全部遍历一遍
当i=1，j=1时：
$\alpha _{1}\alpha _{1}(y_{1}\, y_{2})\binom{x_{1}}{x_{2}}=\alpha _{1}\alpha _{1}(3\, 3)\binom{3}{3}=18\alpha _{1}^{2}$
就这样将i=1,2,3和y=1,2,3两两组合共九种情况结果相加即可
算时唯一一点要注意的是负样本的取值前要添加负号！
第二步：代入约束条件

目标函数变形为：

接下来分别对 $\alpha _{1},\alpha _{2}$ 求偏导

令上两式均等于0

由于 $\alpha _{2}<0$ ，不满足KKT条件第一条，故不符合要求，从而最小值在边界达到；
第三步：利用KKT条件，计算向量 $\omega$

又由于 $-\frac{1}{4}<-\frac{2}{13}$

根据公式 $\omega =\sum_{i=1}^{m}\alpha _{i}y_{i}x_{i}$ 可得：

   对上式计算具体而言， $\frac{1}{4}(3,3)-\frac{1}{4}(1,1)=(\frac{1}{2},\frac{1}{2})$
第四步：利用KKT条件，计算b




如果样本变多，人工计算不现实，需要一种高效的计算算法。