台湾大学林轩田机器学习技法课程学习笔记4 -- Soft-Margin Support Vector Machine

上节课我们主要介绍了Kernel SVM。先将特征转换和计算内积这两个步骤合并起来,简化计算、提高计算速度,再用Dual SVM的求解方法来解决。Kernel SVM不仅能解决简单的线性分类问题,也可以求解非常复杂甚至是无限多维的分类问题,关键在于核函数的选择,例如线性核函数、多项式核函数和高斯核函数等等。但是,我们之前讲的这些方法都是Hard-Margin SVM,即必须将所有的样本都分类正确才行。这往往需要更多更复杂的特征转换,甚至造成过拟合。本节课将介绍一种Soft-Margin SVM,目的是让分类错误的点越少越好,而不是必须将所有点分类正确,也就是允许有noise存在。这种做法很大程度上不会使模型过于复杂,不会造成过拟合,而且分类效果是令人满意的。

Motivation and Primal Problem

上节课我们说明了一点,就是SVM同样可能会造成overfit。原因有两个,一个是由于我们的SVM模型(即kernel)过于复杂,转换的维度太多,过于powerful了;另外一个是由于我们坚持要将所有的样本都分类正确,即不允许错误存在,造成模型过于复杂。如下图所示,左边的图Φ1是线性的,虽然有几个点分类错误,但是大部分都能完全分开。右边的图Φ4是四次多项式,所有点都分类正确了,但是模型比较复杂,可能造成过拟合。直观上来说,左边的图是更合理的模型。

如何避免过拟合?方法是允许有分类错误的点,即把某些点当作是noise,放弃这些noise点,但是尽量让这些noise个数越少越好。回顾一下我们在机器学习基石笔记中介绍的pocket算法,pocket的思想不是将所有点完全分开,而是找到一条分类线能让分类错误的点最少。而Hard-Margin SVM的目标是将所有点都完全分开,不允许有错误点存在。为了防止过拟合,我们可以借鉴pocket的思想,即允许有犯错误的点,目标是让这些点越少越好。

为了引入允许犯错误的点,我们将Hard-Margin SVM的目标和条件做一些结合和修正,转换为如下形式:

修正后的条件中,对于分类正确的点,仍需满足y_n(w^Tz_n+b)\geq 1,而对于noise点,满足y_n(w^Tz_n+b)\geq -\infty,即没有限制。修正后的目标除了\frac12w^Tw项,还添加了y_n\neq sign(w^Tz_n+b),即noise点的个数。参数C的引入是为了权衡目标第一项和第二项的关系,即权衡large margin和noise tolerance的关系。

我们再对上述的条件做修正,将两个条件合并,得到:

这个式子存在两个不足的地方。首先,最小化目标中第二项是非线性的,不满足QP的条件,所以无法使用dual或者kernel SVM来计算。然后,对于犯错误的点,有的离边界很近,即error小,而有的离边界很远,error很大,上式的条件和目标没有区分small error和large error。这种分类效果是不完美的。

为了改正这些不足,我们继续做如下修正:

修正后的表达式中,我们引入了新的参数\xi_n来表示每个点犯错误的程度值,ξn≥0。通过使用error值的大小代替是否有error,让问题变得易于求解,满足QP形式要求。这种方法类似于我们在机器学习基石笔记中介绍的0/1 error和squared error。这种soft-margin SVM引入新的参数ξ。

至此,最终的Soft-Margin SVM的目标为: min(b,w,\xi)\ \frac12w^Tw+C\cdot\sum_{n=1}^N\xi_n

条件是: y_n(w^Tz_n+b)\geq 1-\xi_n

\xi_n\geq0

其中,\xi_n表示每个点犯错误的程度,\xi_n=0,表示没有错误,\xi_n越大,表示错误越大,即点距离边界(负的)越大。参数C表示尽可能选择宽边界和尽可能不要犯错两者之间的权衡,因为边界宽了,往往犯错误的点会增加。large C表示希望得到更少的分类错误,即不惜选择窄边界也要尽可能把更多点正确分类;small C表示希望得到更宽的边界,即不惜增加错误点个数也要选择更宽的分类边界。

与之对应的QP问题中,由于新的参数\xi_n的引入,总共参数个数为\hat d+1+N,限制条件添加了\xi_n\geq0,则总条件个数为2N。

Dual Problem

接下来,我们将推导Soft-Margin SVM的对偶dual形式,从而让QP计算更加简单,并便于引入kernel算法。首先,我们把Soft-Margin SVM的原始形式写出来:

然后,跟我们在第二节课中介绍的Hard-Margin SVM做法一样,构造一个拉格朗日函数。因为引入了\xi_n,原始问题有两类条件,所以包含了两个拉格朗日因子\alpha_n\beta_n。拉格朗日函数可表示为如下形式:

接下来,我们跟第二节课中的做法一样,利用Lagrange dual problem,将Soft-Margin SVM问题转换为如下形式:

根据之前介绍的KKT条件,我们对上式进行简化。上式括号里面的是对拉格朗日函数L(b,w,\xi,\alpha,\beta)计算最小值。那么根据梯度下降算法思想:最小值位置满足梯度为零。

我们先对\xi_n做偏微分:

\frac{\partial L}{\partial \xi_n}=0=C-\alpha_n-\beta_n

根据上式,得到\beta_n=C-\alpha_n,因为有\beta_n\geq0,所以限制0\leq\alpha_n\leq C。将\beta_n=C-\alpha_n代入到dual形式中并化简,我们发现\beta_n\xi_n都被消去了:

这个形式跟Hard-Margin SVM中的dual形式是基本一致的,只是条件不同。那么,我们分别令拉个朗日函数L对b和w的偏导数为零,分别得到: \sum_{n=1}^N\alpha_ny_n=0 w=\sum_{n=1}^N\alpha_ny_nz_n

经过化简和推导,最终标准的Soft-Margin SVM的Dual形式如下图所示:

Soft-Margin SVM Dual与Hard-Margin SVM Dual基本一致,只有一些条件不同。Hard-Margin SVM Dual中\alpha_n\geq0,而Soft-Margin SVM Dual中0\leq\alpha_n\leq C,且新的拉格朗日因子\beta_n=C-\alpha_n。在QP问题中,Soft-Margin SVM Dual的参数\alpha_n同样是N个,但是,条件由Hard-Margin SVM Dual中的N+1个变成2N+1个,这是因为多了N个\alpha_n的上界条件。

对于Soft-Margin SVM Dual这部分推导不太清楚的同学,可以看下第二节课的笔记:台湾大学林轩田机器学习技法课程学习笔记2 – Dual Support Vector Machine

Messages behind Soft-Margin SVM

推导完Soft-Margin SVM Dual的简化形式后,就可以利用QP,找到Q,p,A,c对应的值,用软件工具包得到\alpha_n的值。或者利用核函数的方式,同样可以简化计算,优化分类效果。Soft-Margin SVM Dual计算\alpha_n的方法过程与Hard-Margin SVM Dual的过程是相同的。

但是如何根据\alpha_n的值计算b呢?在Hard-Margin SVM Dual中,有complementary slackness条件:\alpha_n(1-y_n(w^Tz_n+b))=0,找到SV,即\alpha_s>0的点,计算得到b=y_s-w^Tz_s

那么,在Soft-Margin SVM Dual中,相应的complementary slackness条件有两个(因为两个拉格朗日因子\alpha_n\beta_n): \alpha_n(1-\xi_n-y_n(w^Tz_n+b))=0 \beta_n\xi_n=(C-\alpha_n)\xi=0

找到SV,即\alpha_s>0的点,由于参数\xi_n的存在,还不能完全计算出b的值。根据第二个complementary slackness条件,如果令C-\alpha_n\neq0,即\alpha_n\neq C,则一定有\xi_n=0,代入到第一个complementary slackness条件,即可计算得到b=y_s-w^Tz_s。我们把0<\alpha_s<C的点称为free SV。引入核函数后,b的表达式为: b=y_s-\sum_{SV}\alpha_ny_nK(x_n,x_s)

上面求解b提到的一个假设是\alpha_s<C,这个假设是否一定满足呢?如果没有free SV,所有\alpha_s大于零的点都满足\alpha_s=C怎么办?一般情况下,至少存在一组SV使\alpha_s<C的概率是很大的。如果出现没有free SV的情况,那么b通常会由许多不等式条件限制取值范围,值是不确定的,只要能找到其中满足KKT条件的任意一个b值就可以了。这部分细节比较复杂,不再赘述。

接下来,我们看看C取不同的值对margin的影响。例如,对于Soft-Margin Gaussian SVM,C分别取1,10,100时,相应的margin如下图所示:

从上图可以看出,C=1时,margin比较粗,但是分类错误的点也比较多,当C越来越大的时候,margin越来越细,分类错误的点也在减少。正如前面介绍的,C值反映了margin和分类正确的一个权衡。C越小,越倾向于得到粗的margin,宁可增加分类错误的点;C越大,越倾向于得到高的分类正确率,宁可margin很细。我们发现,当C值很大的时候,虽然分类正确率提高,但很可能把noise也进行了处理,从而可能造成过拟合。也就是说Soft-Margin Gaussian SVM同样可能会出现过拟合现象,所以参数(γ,C)的选择非常重要。

我们再来看看\alpha_n取不同值是对应的物理意义。已知0\leq\alpha_n\leq C满足两个complementary slackness条件: \alpha_n(1-\xi_n-y_n(w^Tz_n+b))=0 \beta_n\xi_n=(C-\alpha_n)\xi=0

\alpha_n=0,得ξn=0。\xi_n=0表示该点没有犯错,\alpha_n=0表示该点不是SV。所以对应的点在margin之外(或者在margin上),且均分类正确。

0<\alpha_n<C,得\xi_n=0,且y_n(w^Tz_n+b)=1\xi_n=0表示该点没有犯错,y_n(w^Tz_n+b)=1表示该点在margin上。这些点即free SV,确定了b的值。

\alpha_n=C,不能确定\xi_n是否为零,且得到1-y_n(w^Tz_n+b)=\xi_n,这个式表示该点偏离margin的程度,\xi_n越大,偏离margin的程度越大。只有当\xi_n=0时,该点落在margin上。所以这种情况对应的点在margin之内负方向(或者在margin上),有分类正确也有分类错误的。这些点称为bounded SV。

所以,在Soft-Margin SVM Dual中,根据\alpha_n的取值,就可以推断数据点在空间的分布情况。

Model Selection

在Soft-Margin SVM Dual中,kernel的选择、C等参数的选择都非常重要,直接影响分类效果。例如,对于Gaussian SVM,不同的参数(C,γ),会得到不同的margin,如下图所示。

其中横坐标是C逐渐增大的情况,纵坐标是γ逐渐增大的情况。不同的(C,γ)组合,margin的差别很大。那么如何选择最好的(C,γ)等参数呢?最简单最好用的工具就是validation。

validation我们在机器学习基石课程中已经介绍过,只需要将由不同(C,γ)等参数得到的模型在验证集上进行cross validation,选取E_{cv}最小的对应的模型就可以了。例如上图中各种(C,γ)组合得到的E_{cv}如下图所示:

因为左下角的Ecv(C,γ)最小,所以就选择该(C,γ)对应的模型。通常来说,Ecv(C,γ)并不是(C,γ)的连续函数,很难使用最优化选择(例如梯度下降)。一般做法是选取不同的离散的(C,γ)值进行组合,得到最小的Ecv(C,γ),其对应的模型即为最佳模型。这种算法就是我们之前在机器学习基石中介绍过的V-Fold cross validation,在SVM中使用非常广泛。

V-Fold cross validation的一种极限就是Leave-One-Out CV,也就是验证集只有一个样本。对于SVM问题,它的验证集Error满足: E_{loocv}\leq \frac{SV}{N}

也就是说留一法验证集Error大小不超过支持向量SV占所有样本的比例。下面做简单的证明。令样本总数为N,对这N个点进行SVM分类后得到margin,假设第N个点(x_N,y_N)\alpha_N=0,不是SV,即远离margin(正距离)。这时候,如果我们只使用剩下的N-1个点来进行SVM分类,那么第N个点(x_N,y_N)必然是分类正确的点,所得的SVM margin跟使用N个点的到的是完全一致的。这是因为我们假设第N个点是non-SV,对SV没有贡献,不影响margin的位置和形状。所以前N-1个点和N个点得到的margin是一样的。

那么,对于non-SV的点,它的g^-=g,即对第N个点,它的Error必然为零: e_{non-SV}=err(g^-,non-SV)=err(g,non-SV)=0

另一方面,假设第N个点\alpha_N\neq0,即对于SV的点,它的Error可能是0,也可能是1,必然有: e_{SV}\leq1

综上所述,即证明了E_{loocv}\leq \frac{SV}{N}。这符合我们之前得到的结论,即只有SV影响margin,non-SV对margin没有任何影响,可以舍弃。

SV的数量在SVM模型选择中也是很重要的。一般来说,SV越多,表示模型可能越复杂,越有可能会造成过拟合。所以,通常选择SV数量较少的模型,然后在剩下的模型中使用cross-validation,比较选择最佳模型。

总结

本节课主要介绍了Soft-Margin SVM。我们的出发点是与Hard-Margin SVM不同,不一定要将所有的样本点都完全分开,允许有分类错误的点,而使margin比较宽。然后,我们增加了ξn作为分类错误的惩罚项,根据之前介绍的Dual SVM,推导出了Soft-Margin SVM的QP形式。得到的\alpha_n除了要满足大于零,还有一个上界C。接着介绍了通过\alpha_n值的大小,可以将数据点分为三种:non-SVs,free SVs,bounded SVs,这种更清晰的物理解释便于数据分析。最后介绍了如何选择合适的SVM模型,通常的办法是cross-validation和利用SV的数量进行筛选。

注明:

文章中所有的图片均来自台湾大学林轩田《机器学习技法》课程

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

发表于

我来说两句

0 条评论
登录 后参与评论

相关文章

来自专栏企鹅号快讯

利用pandas进行数据分析(三):缺失值处理

在实际的数据处理过程中,数据缺失是一种再平常不过的现象了。缺失值的存在极大的影响了我们数据分析结果的可靠性,以至于在数据建模前我们必须对缺失值进行处理。实际的缺...

20010
来自专栏人工智能

Python回归分析五部曲(一)—简单线性回归

回归最初是遗传学中的一个名词,是由英国生物学家兼统计学家高尔顿首先提出来的,他在研究人类身高的时候发现:高个子回归人类的平均身高,而矮个子则从另一方向回归人类的...

3178
来自专栏州的先生

Scikit-Learn机器学习实践:垃圾短信识别

1272
来自专栏机器之心

学界 | 强化学习+树搜索:一种新型程序合成方法

作者:Riley Simmons-Edler、Anders Miltner、Sebastian Seung

732
来自专栏企鹅号快讯

机器学习一元线性回归和多元线性回归

1.什么是线性方程? 从数学上讲我们有一元线性方程和多元线性方程,如下: y = aX + b y = b0 + b1X1 + b2X2 + b3X3 + ....

1906
来自专栏深度学习之tensorflow实战篇

皮尔森类似度(Pearson Similiarity)计算举例与数学特性和存在问题

Pearson Similiarity image.png 计算案例 以下以还有一篇文章中的用户-物品关系为例,说明一下皮尔森类似度的计算过程。 ? ...

3395
来自专栏编程

我的R语言小白之梯度上升和逐步回归的结合使用

我的R语言小白之梯度上升和逐步回归的结合使用 今天是圣诞节,祝你圣诞节快乐啦,虽然我没有过圣诞节的习惯,昨天平安夜,也是看朋友圈才知道,原来是平安夜了,但是我昨...

2036
来自专栏小小挖掘机

推荐系统遇上深度学习(二)--FFM模型理论和实践

推荐系统遇上深度学习系列: 推荐系统遇上深度学习(一)--FM模型理论和实践 1、FFM理论 在CTR预估中,经常会遇到one-hot类型的变量,one-ho...

5834
来自专栏大数据风控

R中的线性回归分析

回归分析(regression analysis) 回归分析是研究自变量与因变量之间关系形式的分析方法,它主要是通过建立因变量Y与影响它的自变量Xi(i=1,2...

18410
来自专栏红色石头的机器学习之路

台湾大学林轩田机器学习技法课程学习笔记2 -- Dual Support Vector Machine

上节课我们主要介绍了线性支持向量机(Linear Support Vector Machine)。Linear SVM的目标是找出最“胖”的分割线进行正负类的分...

2080

扫码关注云+社区