99999久久久久久亚洲,欧美人与禽猛交狂配,高清日韩av在线影院,一个人在线高清免费观看,啦啦啦在线视频免费观看www

熱線電話:13121318867

登錄
首頁精彩閱讀機器學(xué)習(xí)算法與Python實踐之(二)支持向量機(SVM)初級
機器學(xué)習(xí)算法與Python實踐之(二)支持向量機(SVM)初級
2017-03-26
收藏

機器學(xué)習(xí)算法與Python實踐之(二)支持向量機SVM)初級

一、引入

支持向量機(SupportVector Machines),這個名字可是響當(dāng)當(dāng)?shù)?,?a href="http://www.3lll3.cn/view/20664.html" target="_blank">機器學(xué)習(xí)或者模式識別領(lǐng)域可是無人不知,無人不曉啊。八九十年代的時候,和神經(jīng)網(wǎng)絡(luò)一決雌雄,獨領(lǐng)風(fēng)騷,并吸引了大批為之狂熱和追隨的粉絲。雖然幾十年過去了,但風(fēng)采不減當(dāng)年,在模式識別領(lǐng)域依然占據(jù)著大遍江山。王位穩(wěn)固了幾十年。當(dāng)然了,它也繁衍了很多子子孫孫,出現(xiàn)了很多基因改良的版本,也發(fā)展了不少裙帶關(guān)系。但其中的睿智依然被世人稱道,并將千秋萬代!

好了,買了那么久廣告,不知道是不是高估了。我們還是腳踏實地,來看看傳說的SVM是個什么東西吧。我們知道,分類的目的是學(xué)會一個分類函數(shù)或分類模型(或者叫做分類器),該模型能把數(shù)據(jù)庫中的數(shù)據(jù)項映射到給定類別中的某一個,從而可以用于預(yù)測未知類別。對于用于分類的支持向量機,它是個二分類的分類模型。也就是說,給定一個包含正例和反例(正樣本點和負樣本點)的樣本集合,支持向量機的目的是尋找一個超平面來對樣本進行分割,把樣本中的正例和反例用超平面分開,但是不是簡單地分看,其原則是使正例和反例之間的間隔最大。學(xué)習(xí)的目標(biāo)是在特征空間中找到一個分類超平面wx+b=0,分類面由法向量w和截距b決定。分類超平面將特征空間劃分兩部分,一部分是正類,一部分是負類。法向量指向的一側(cè)是正類,另一側(cè)為負類。

用一個二維空間里僅有兩類樣本的分類問題來舉個小例子。假設(shè)我們給定了下圖左圖所示的兩類點Class1和Class2(也就是正樣本集和負樣本集)。我們的任務(wù)是要找到一個線,把他們劃分開。你會告訴我,那簡單,揮筆一畫,洋洋灑灑五顏六色的線就出來了,然后很得意的和我說,看看吧,下面右圖,都是你要的答案,如果你還想要,我還可以給你畫出無數(shù)條。對,沒錯,的確可以畫出無數(shù)條。那哪條最好呢?你會問我,怎么樣衡量“好”?假設(shè)Class1和Class2分別是兩條村子的人,他們因為兩條村子之間的地盤分割的事鬧僵了,叫你去說個理,到底怎么劃分才是最公平的。這里的“好”,可以理解為對Class1和Class2都是公平的。然后你二話不說,指著黑色那條線,說“就它了!正常人都知道!在兩條村子最中間畫條線很明顯對他們就是公平的,誰也別想多,誰也沒拿少”。這個例子可能不太恰當(dāng),但道理還是一樣的。對于分類來說,我們需要確定一個分類的線,如果新的一個樣本到來,如果落在線的左邊,那么這個樣本就歸為class1類,如果落在線的右邊,就歸為class2這一類。那哪條線才是最好的呢?我們?nèi)匀徽J為是中間的那條,因為這樣,對新的樣本的劃分結(jié)果我們才認為最可信,那這里的“好”就是可信了。另外,在二維空間,分類的就是線,如果是三維的,分類的就是面了,更高維,也有個霸氣的名字叫超平面。因為它霸氣,所以一般將任何維的分類邊界都統(tǒng)稱為超平面。

好了。對于人來說,我們可以輕易的找到這條線或者超平面(當(dāng)然了,那是因為你可以看到樣本具體的分布是怎樣的,如果樣本的維度大于三維的話,我們就沒辦法把這些樣本像上面的圖一樣畫出來了,這時候就看不到了,這時候靠人的雙眼也無能為力了?!叭绻夷芸吹靡?,生命也許完全不同,可能我想要的,我喜歡的我愛的,都不一樣……”),但計算機怎么知道怎么找到這條線呢?我們怎么把我們的找這條線的方法告訴他,讓他按照我們的方法來找到這條線呢?呃,我們要建模?。?!把我們的意識“強加”給計算機的某個數(shù)學(xué)模型,讓他去求解這個模型,得到某個解,這個解就是我們的這條線,那這樣目的就達到了。那下面就得開始建模之旅了。


二、線性可分SVM與硬間隔最大化

其實上面這種分類思想就是SVM的思想。可以表達為:SVM試圖尋找一個超平面來對樣本進行分割,把樣本中的正例和反例用超平面分開,但是不是很敷衍地簡單的分開,而是盡最大的努力使正例和反例之間的間隔margin最大。這樣它的分類結(jié)果才更加可信,而且對于未知的新樣本才有很好的分類預(yù)測能力(機器學(xué)習(xí)美其名曰泛化能力)。

我們的目標(biāo)是尋找一個超平面,使得離超平面比較近的點能有更大的間距。也就是我們不考慮所有的點都必須遠離超平面,我們關(guān)心求得的超平面能夠讓所有點中離它最近的點具有最大間距。

我們先用數(shù)學(xué)公式來描述下。假設(shè)我們有N個訓(xùn)練樣本{(x1, y1),(x2, y2), …, (xN, yN)},x是d維向量,而yi?{+1, -1}是樣本的標(biāo)簽,分別代表兩個不同的類。這里我們需要用這些樣本去訓(xùn)練學(xué)習(xí)一個線性分類器(超平面):f(x)=sgn(wTx + b),也就是wTx + b大于0的時候,輸出+1,小于0的時候,輸出-1。sgn()表示取符號。而g(x) =wTx + b=0就是我們要尋找的分類超平面,如上圖所示。剛才說我們要怎么做了?我們需要這個超平面最大的分隔這兩類。也就是這個分類面到這兩個類的最近的那個樣本的距離相同,而且最大。為了更好的說明,我們在上圖中找到兩個和這個超平面平行和距離相等的超平面:H1: y = wTx + b=+1 和 H2: y = wTx + b=-1。

好了,這時候我們就需要兩個條件:(1)沒有任何樣本在這兩個平面之間;(2)這兩個平面的距離需要最大。(對任何的H1和H2,我們都可以歸一化系數(shù)向量w,這樣就可以得到H1和H2表達式的右邊分別是+1和-1了)。先來看條件(2)。我們需要最大化這個距離,所以就存在一些樣本處于這兩條線上,他們叫支持向量(后面會說到他們的重要性)。那么它的距離是什么呢?我們初中就學(xué)過,兩條平行線的距離的求法,例如ax+by=c1和ax+by=c2,那他們的距離是|c2-c1|/sqrt(x2+y2)(sqrt()表示開根號)。注意的是,這里的x和y都表示二維坐標(biāo)。而用w來表示就是H1:w1x1+w2x2=+1和H2:w1x1+w2x2=-1,那H1和H2的距離就是|1+1|/ sqrt(w12+w12)=2/||w||。也就是w的模的倒數(shù)的兩倍。也就是說,我們需要最大化margin=2/||w||,為了最大化這個距離,我們應(yīng)該最小化||w||,看起來好簡單哦。同時我們還需要滿足條件(2),也就是同時要滿足沒有數(shù)據(jù)點分布在H1和H2之間:

也就是,對于任何一個正樣本yi=+1,它都要處于H1的右邊,也就是要保證:y= wTx + b>=+1。對于任何一個負樣本yi=-1,它都要處于H2的左邊,也就是要保證:y = wTx + b<=-1。這兩個約束,其實可以合并成同一個式子:yi (wTxi + b)>=1。

所以我們的問題就變成:

這是個凸二次規(guī)劃問題。什么叫凸?凸集是指有這么一個點的集合,其中任取兩個點連一條直線,這條線上的點仍然在這個集合內(nèi)部,因此說“凸”是很形象的。例如下圖,對于凸函數(shù)(在數(shù)學(xué)表示上,滿足約束條件是仿射函數(shù),也就是線性的Ax+b的形式)來說,局部最優(yōu)就是全局最優(yōu),但對非凸函數(shù)來說就不是了。二次表示目標(biāo)函數(shù)是自變量的二次函數(shù)。

好了,既然是凸二次規(guī)劃問題,就可以通過一些現(xiàn)成的 QP (Quadratic Programming) 的優(yōu)化工具來得到最優(yōu)解。所以,我們的問題到此為止就算全部解決了。雖然這個問題確實是一個標(biāo)準(zhǔn)的 QP 問題,但是它也有它的特殊結(jié)構(gòu),通過 Lagrange Duality 變換到對偶變量 (dual variable) 的優(yōu)化問題之后,可以找到一種更加有效的方法來進行求解,而且通常情況下這種方法比直接使用通用的 QP 優(yōu)化包進行優(yōu)化要高效得多。也就說,除了用解決QP問題的常規(guī)方法之外,還可以應(yīng)用拉格朗日對偶性,通過求解對偶問題得到最優(yōu)解,這就是線性可分條件下支持向量機的對偶算法,這樣做的優(yōu)點在于:一是對偶問題往往更容易求解;二者可以自然的引入核函數(shù),進而推廣到非線性分類問題。那什么是對偶問題?


三、Dual優(yōu)化問題

3.1、對偶問題

在約束最優(yōu)化問題中,常常利用拉格朗日對偶性將原始問題轉(zhuǎn)換為對偶問題,通過求解對偶問題而得到原始問題的解。至于這其中的原理和推導(dǎo)參考文獻[3]講得非常好。大家可以參考下。這里只將對偶問題是怎么操作的。假設(shè)我們的優(yōu)化問題是:

這是個帶等式約束的優(yōu)化問題。我們引入拉格朗日乘子,得到拉格朗日函數(shù)為:

然后我們將拉格朗日函數(shù)對x求極值,也就是對x求導(dǎo),導(dǎo)數(shù)為0,就可以得到α關(guān)于x的函數(shù),然后再代入拉格朗日函數(shù)就變成:

這時候,帶等式約束的優(yōu)化問題就變成只有一個變量α(多個約束條件就是向量)的優(yōu)化問題,這時候的求解就很簡單了。同樣是求導(dǎo)另其等于0,解出α即可。需要注意的是,我們把原始的問題叫做primal problem,轉(zhuǎn)換后的形式叫做dual problem。需要注意的是,原始問題是最小化,轉(zhuǎn)化為對偶問題后就變成了求最大值了。對于不等式約束,其實是同樣的操作。簡單地來說,通過給每一個約束條件加上一個 Lagrange multiplier(拉格朗日乘子),我們可以將約束條件融和到目標(biāo)函數(shù)里去,這樣求解優(yōu)化問題就會更加容易。(這里其實涉及到很多蠻有趣的東西的,大家可以參考更多的博文)


3.2、SVM優(yōu)化的對偶問題

對于SVM,前面提到,其primal problem是以下形式:

同樣的方法引入拉格朗日乘子,我們就可以得到以下拉格朗日函數(shù):

然后對L(w, b, α)分別求w和b的極值。也就是L(w, b,α)對w和b的梯度為0:?L/?w=0和?L/?b=0,還需要滿足α>=0。求解這里導(dǎo)數(shù)為0的式子可以得到:

然后再代入拉格朗日函數(shù)后,就變成:

這個就是dual problem(如果我們知道α,我們就知道了w。反過來,如果我們知道w,也可以知道α)。這時候我們就變成了求對α的極大,即是關(guān)于對偶變量α的優(yōu)化問題(沒有了變量w,b,只有α)。當(dāng)求解得到最優(yōu)的α*后,就可以同樣代入到上面的公式,導(dǎo)出w*和b*了,最終得出分離超平面和分類決策函數(shù)。也就是訓(xùn)練好了SVM。那來一個新的樣本x后,就可以這樣分類了:

在這里,其實很多的αi都是0,也就是說w只是一些少量樣本的線性加權(quán)值。這種“稀疏”的表示實際上看成是KNN的數(shù)據(jù)壓縮的版本。也就是說,以后新來的要分類的樣本首先根據(jù)w和b做一次線性運算,然后看求的結(jié)果是大于0還是小于0來判斷正例還是負例。現(xiàn)在有了αi,我們不需要求出w,只需將新來的樣本和訓(xùn)練數(shù)據(jù)中的所有樣本做內(nèi)積和即可。那有人會說,與前面所有的樣本都做運算是不是太耗時了?其實不然,我們從KKT條件中得到,只有支持向量的αi不為0,其他情況αi都是0。因此,我們只需求新來的樣本和支持向量的內(nèi)積,然后運算即可。這種寫法為下面要提到的核函數(shù)(kernel)做了很好的鋪墊。如下圖所示:


四、松弛向量與軟間隔最大化

我們之前討論的情況都是建立在樣本的分布比較優(yōu)雅和線性可分的假設(shè)上,在這種情況下可以找到近乎完美的超平面對兩類樣本進行分離。但如果遇到下面這兩種情況呢?左圖,負類的一個樣本點A不太合群,跑到正類這邊了,這時候如果按上面的確定分類面的方法,那么就會得到左圖中紅色這條分類邊界,嗯,看起來不太爽,好像全世界都在將就A一樣。還有就是遇到右圖的這種情況。正類的一個點和負類的一個點都跑到了別人家門口,這時候就找不到一條直線來將他們分開了,那這時候怎么辦呢?我們真的要對這些零丁的不太聽話的離群點屈服和將就嗎?就因為他們的不完美改變我們原來完美的分界面會不會得不償失呢?但又不得不考慮他們,那怎樣才能折中呢?

對于上面說的這種偏離正常位置很遠的數(shù)據(jù)點,我們稱之為 outlier,它有可能是采集訓(xùn)練樣本的時候的噪聲,也有可能是某個標(biāo)數(shù)據(jù)的大叔打瞌睡標(biāo)錯了,把正樣本標(biāo)成負樣本了。那一般來說,如果我們直接忽略它,原來的分隔超平面還是挺好的,但是由于這個 outlier 的出現(xiàn),導(dǎo)致分隔超平面不得不被擠歪了,同時 margin 也相應(yīng)變小了。當(dāng)然,更嚴重的情況是,如果出現(xiàn)右圖的這種outlier,我們將無法構(gòu)造出能將數(shù)據(jù)線性分開的超平面來。

為了處理這種情況,我們允許數(shù)據(jù)點在一定程度上偏離超平面。也就是允許一些點跑到H1和H2之間,也就是他們到分類面的間隔會小于1。如下圖:

具體來說,原來的約束條件就變?yōu)椋?

這時候,我們在目標(biāo)函數(shù)里面增加一個懲罰項,新的模型就變成(也稱軟間隔):

引入非負參數(shù)ξi后(稱為松弛變量),就允許某些樣本點的函數(shù)間隔小于1,即在最大間隔區(qū)間里面,或者函數(shù)間隔是負數(shù),即樣本點在對方的區(qū)域中。而放松限制條件后,我們需要重新調(diào)整目標(biāo)函數(shù),以對離群點進行處罰,目標(biāo)函數(shù)后面加上的第二項就表示離群點越多,目標(biāo)函數(shù)值越大,而我們要求的是盡可能小的目標(biāo)函數(shù)值。這里的C是離群點的權(quán)重,C越大表明離群點對目標(biāo)函數(shù)影響越大,也就是越不希望看到離群點。這時候,間隔也會很小。我們看到,目標(biāo)函數(shù)控制了離群點的數(shù)目和程度,使大部分樣本點仍然遵守限制條件。數(shù)據(jù)分析師培訓(xùn)

這時候,經(jīng)過同樣的推導(dǎo)過程,我們的對偶優(yōu)化問題變成:

此時,我們發(fā)現(xiàn)沒有了參數(shù)ξi,與之前模型唯一不同在于αi又多了αi<=C的限制條件。需要提醒的是,b的求值公式也發(fā)生了改變,改變結(jié)果在SMO算法里面介紹。


數(shù)據(jù)分析咨詢請掃描二維碼

若不方便掃碼,搜微信號:CDAshujufenxi

數(shù)據(jù)分析師資訊
更多

OK
客服在線
立即咨詢
客服在線
立即咨詢
') } function initGt() { var handler = function (captchaObj) { captchaObj.appendTo('#captcha'); captchaObj.onReady(function () { $("#wait").hide(); }).onSuccess(function(){ $('.getcheckcode').removeClass('dis'); $('.getcheckcode').trigger('click'); }); window.captchaObj = captchaObj; }; $('#captcha').show(); $.ajax({ url: "/login/gtstart?t=" + (new Date()).getTime(), // 加隨機數(shù)防止緩存 type: "get", dataType: "json", success: function (data) { $('#text').hide(); $('#wait').show(); // 調(diào)用 initGeetest 進行初始化 // 參數(shù)1:配置參數(shù) // 參數(shù)2:回調(diào),回調(diào)的第一個參數(shù)驗證碼對象,之后可以使用它調(diào)用相應(yīng)的接口 initGeetest({ // 以下 4 個配置參數(shù)為必須,不能缺少 gt: data.gt, challenge: data.challenge, offline: !data.success, // 表示用戶后臺檢測極驗服務(wù)器是否宕機 new_captcha: data.new_captcha, // 用于宕機時表示是新驗證碼的宕機 product: "float", // 產(chǎn)品形式,包括:float,popup width: "280px", https: true // 更多配置參數(shù)說明請參見:http://docs.geetest.com/install/client/web-front/ }, handler); } }); } function codeCutdown() { if(_wait == 0){ //倒計時完成 $(".getcheckcode").removeClass('dis').html("重新獲取"); }else{ $(".getcheckcode").addClass('dis').html("重新獲取("+_wait+"s)"); _wait--; setTimeout(function () { codeCutdown(); },1000); } } function inputValidate(ele,telInput) { var oInput = ele; var inputVal = oInput.val(); var oType = ele.attr('data-type'); var oEtag = $('#etag').val(); var oErr = oInput.closest('.form_box').next('.err_txt'); var empTxt = '請輸入'+oInput.attr('placeholder')+'!'; var errTxt = '請輸入正確的'+oInput.attr('placeholder')+'!'; var pattern; if(inputVal==""){ if(!telInput){ errFun(oErr,empTxt); } return false; }else { switch (oType){ case 'login_mobile': pattern = /^1[3456789]\d{9}$/; if(inputVal.length==11) { $.ajax({ url: '/login/checkmobile', type: "post", dataType: "json", data: { mobile: inputVal, etag: oEtag, page_ur: window.location.href, page_referer: document.referrer }, success: function (data) { } }); } break; case 'login_yzm': pattern = /^\d{6}$/; break; } if(oType=='login_mobile'){ } if(!!validateFun(pattern,inputVal)){ errFun(oErr,'') if(telInput){ $('.getcheckcode').removeClass('dis'); } }else { if(!telInput) { errFun(oErr, errTxt); }else { $('.getcheckcode').addClass('dis'); } return false; } } return true; } function errFun(obj,msg) { obj.html(msg); if(msg==''){ $('.login_submit').removeClass('dis'); }else { $('.login_submit').addClass('dis'); } } function validateFun(pat,val) { return pat.test(val); }