
支持向量機算法在深度學習沒有火起來的2012年前,在機器學習算法中可謂是霸主地位,其思想是在二分類或者多分類任務中,將類別分開的超平面可能有很多種,那么哪一種的分類效果是最好的呢?這里引入了支撐向量的概念,我們總可以在幾個類別的分界面處找到類別的一些樣本點,以這些樣本點的中垂線為平面的這個分界面可以使得類別中的點都離分界面足夠遠,那么這個平面就是最理想的分割超平面。
注意:SVM顧名思義,該算法只用到了一些支撐樣本將兩類或者多類樣本分開的~~
SVM分為線性可分SVM,線性SVM和非線性SVM,后兩者用到了核函數。
一、SVM中的數學:
1.凸優(yōu)化
2.核函數
3.拉格朗日乘子法
二、SVM公式推導
基本定義(以二分類為例):
分割平面:是特征空間轉換函數,簡單地,
目標值屬于{-1,1},通過sign(y(x))將樣本分類為1或者-1
1.線性可分SVM(樣本本身線性可分)
1.1 目標函數:遍歷所有的x,對離分割面最近的x中,找到一組w,b,使得離該線最近的x到該直線的距離最大
變形達到:
整理在得到最終的目標函數:
1.2 求解目標函數,引入拉格朗日乘子法和KKT條件:
上式分別對w,b求導為0,并代入原式中,變形為求解alpha的約束最優(yōu)化問題:
最終得到的w,b以及超平面分別是:
2.線性支持SVM(樣本本身線性不可分)
2.1 引入松弛因子,目標函數和約束條件變?yōu)椋?
給定松弛因子,相當于引入了正則項,C->無窮大,相當于沒有懲罰,所有樣本眼分對,不容忍錯誤,容易overfitting,C->0,則過渡帶寬,容忍有錯誤,model范化能力好,能防止overfitting
2.2 求解目標函數,仍用拉格朗日乘子法,,最終的目標函數為:
求解最優(yōu)的alpha,并求得w和b.
3.非線性SVM,引入核函數
3.1 思想:不可分的樣本,通過核函數映射到新的高維特征空間,使得樣本變得可分,常見的核函數有多項式,高斯和sigmoid核函數,公式如下:
一般地,在不知道更多信息的時候使用高斯核函數是最穩(wěn)妥的,高斯函數(RBF,徑向基函數)是一個映射到無窮維的函數。
引入的代表了核函數映射到高維空間的胖瘦,其值大,則胖乎乎,其值小,則瘦兮兮~~
三、代碼實現SVM
import numpy as np
from sklearn.svm import SVR
from sklearn.grid_search import GridSearchCV # 0.17 grid_search
import matplotlib.pyplot as plt
if __name__ == "__main__":
N = 50
np.random.seed(0)
x = np.sort(np.random.uniform(0, 6, N), axis=0)
y = 2*np.cos(x) + 0.1*np.random.randn(N)
x = x.reshape(-1, 1)
model = SVR(kernel='rbf')
c = np.logspace(-2, 2, 10)
gamma= np.logspace(-2, 2, 10)
svr = GridSearchCV(model, param_grid={'C': c, 'gamma': gamma}, cv=5)
svr.fit(x, y)
print 'C和gamma的最優(yōu)參數:\n', svr.best_params_
x_test = np.linspace(x.min(), x.max(), 100).reshape(-1, 1)
y_predict = svr.predict(x_test)
sp = svr.best_estimator_.support_
plt.figure(facecolor='w')
plt.scatter(x[sp], y[sp], c='b', marker='o', label='Support Vectors')
plt.plot(x_test, y_predict, 'r--',label='RBF Kernel')
plt.plot(x, y, 'g-')
plt.legend(loc='best')
plt.title('SVR with grid_search C & gamma')
plt.xlabel('X')
plt.ylabel('Y')
plt.grid(True)
plt.tight_layout()
plt.show()
運行代碼可以網格搜索到最優(yōu)的Chegamma并得到SVM的結果可視化如下:
總結一下:
1.SVM中有兩個超參數需要調參,一個是C,一個是,在不知道這兩者怎么搭配最終的分類效果好,使用高斯函數(RBF)是最好的,可以用grid_search來找最優(yōu)的一組值超參數,而不是隨便
調參
2. 某一種模型調參的能力是有限的,不會對分類結果有質的飛躍,當怎么調都調不好的話,就應該考慮換一種模型了
3. 調參不是主要的,特征選擇和數據的清洗對模型的結果影響更重要
數據分析咨詢請掃描二維碼
若不方便掃碼,搜微信號:CDAshujufenxi
LSTM 模型輸入長度選擇技巧:提升序列建模效能的關鍵? 在循環(huán)神經網絡(RNN)家族中,長短期記憶網絡(LSTM)憑借其解決長序列 ...
2025-07-11CDA 數據分析師報考條件詳解與準備指南? ? 在數據驅動決策的時代浪潮下,CDA 數據分析師認證愈發(fā)受到矚目,成為眾多有志投身數 ...
2025-07-11數據透視表中兩列相乘合計的實用指南? 在數據分析的日常工作中,數據透視表憑借其強大的數據匯總和分析功能,成為了 Excel 用戶 ...
2025-07-11尊敬的考生: 您好! 我們誠摯通知您,CDA Level I和 Level II考試大綱將于 2025年7月25日 實施重大更新。 此次更新旨在確保認 ...
2025-07-10BI 大數據分析師:連接數據與業(yè)務的價值轉化者? ? 在大數據與商業(yè)智能(Business Intelligence,簡稱 BI)深度融合的時代,BI ...
2025-07-10SQL 在預測分析中的應用:從數據查詢到趨勢預判? ? 在數據驅動決策的時代,預測分析作為挖掘數據潛在價值的核心手段,正被廣泛 ...
2025-07-10數據查詢結束后:分析師的收尾工作與價值深化? ? 在數據分析的全流程中,“query end”(查詢結束)并非工作的終點,而是將數 ...
2025-07-10CDA 數據分析師考試:從報考到取證的全攻略? 在數字經濟蓬勃發(fā)展的今天,數據分析師已成為各行業(yè)爭搶的核心人才,而 CDA(Certi ...
2025-07-09【CDA干貨】單樣本趨勢性檢驗:捕捉數據背后的時間軌跡? 在數據分析的版圖中,單樣本趨勢性檢驗如同一位耐心的偵探,專注于從單 ...
2025-07-09year_month數據類型:時間維度的精準切片? ? 在數據的世界里,時間是最不可或缺的維度之一,而year_month數據類型就像一把精準 ...
2025-07-09CDA 備考干貨:Python 在數據分析中的核心應用與實戰(zhàn)技巧? ? 在 CDA 數據分析師認證考試中,Python 作為數據處理與分析的核心 ...
2025-07-08SPSS 中的 Mann-Kendall 檢驗:數據趨勢與突變分析的有力工具? ? ? 在數據分析的廣袤領域中,準確捕捉數據的趨勢變化以及識別 ...
2025-07-08備戰(zhàn) CDA 數據分析師考試:需要多久?如何規(guī)劃? CDA(Certified Data Analyst)數據分析師認證作為國內權威的數據分析能力認證 ...
2025-07-08LSTM 輸出不確定的成因、影響與應對策略? 長短期記憶網絡(LSTM)作為循環(huán)神經網絡(RNN)的一種變體,憑借獨特的門控機制,在 ...
2025-07-07統(tǒng)計學方法在市場調研數據中的深度應用? 市場調研是企業(yè)洞察市場動態(tài)、了解消費者需求的重要途徑,而統(tǒng)計學方法則是市場調研數 ...
2025-07-07CDA數據分析師證書考試全攻略? 在數字化浪潮席卷全球的當下,數據已成為企業(yè)決策、行業(yè)發(fā)展的核心驅動力,數據分析師也因此成為 ...
2025-07-07剖析 CDA 數據分析師考試題型:解鎖高效備考與答題策略? CDA(Certified Data Analyst)數據分析師考試作為衡量數據專業(yè)能力的 ...
2025-07-04SQL Server 字符串截取轉日期:解鎖數據處理的關鍵技能? 在數據處理與分析工作中,數據格式的規(guī)范性是保證后續(xù)分析準確性的基礎 ...
2025-07-04CDA 數據分析師視角:從數據迷霧中探尋商業(yè)真相? 在數字化浪潮席卷全球的今天,數據已成為企業(yè)決策的核心驅動力,CDA(Certifie ...
2025-07-04CDA 數據分析師:開啟數據職業(yè)發(fā)展新征程? ? 在數據成為核心生產要素的今天,數據分析師的職業(yè)價值愈發(fā)凸顯。CDA(Certified D ...
2025-07-03