机器学习笔记10

支持向量机

1.1 优化目标 Optimization objective

与逻辑回归和神经网络相比，还有一种更加强大的算法是支持向量机(Support Vector Machine) ，它在学习复杂的非线性方程时提供了一种更为清晰，更加强大的方式并且广泛应用于工业界和学术界

我们通过回顾逻辑回归慢慢的引入支持向量机

对于代价函数中的一部分来说需要做一些修改，假设只有一个数据样本，把 h_θ(x)=1/(1+e^-_θT_x) 带入公式，把 θ^Tx看成是z，用灰色曲线作出图像

If y = 1， we want h_θ(x) ≈ 1， z>>0；
If y = 0， we want h_θ(x) ≈ 0， z<<0；

现在我们用玫瑰色曲线函数来代替灰色曲线函数。左边的玫瑰色曲线函数称为cost₁(z)，右边的玫瑰色曲线函数称为 cost₀(z)

回到逻辑回归的代价函数中，对其进行修改转变为支持向量机的代价函数，把cost₁(z)和cost₀(z)替换掉原来的函数，同时对常数项也进行处理(处理常数项对求最优参数没有影响)，先去掉 1 / m,再去掉 λ ，把代价函数整体看成 A + λB的形式，转变之后就变成 CA +B 的形式(其中 C = 1 / λ )

最后整理一下就可以得到支持向量机的代价函数，同时逻辑回归中假设的输出是一个概率值。 而 SVM 直接预测 y = 1，还是 y = 0

1.2 最大间隔的理解 Large Margin Intuition

如果C的数值比较大的话，想要最小化代价函数，那就需要最小化cost₁(z)和cost₀(z)，从图像看出可以代价于当y=1时，z≥1，当y=0时，z≤-1

只有当C 特别大的时候， SVM 才是一个最大间隔分类器，那么当 C 特别大时，在优化过程中，第一项会接近于0，目标变为最小化第二项

支持向量机的最大间隔就是在两类之间有许多的决策边界，需要找到一条边界使得margin最大，如下图

对于有异常值的支持向量机来说，如果想将样本用最大间距分开，即将 C 设置的很大。那么仅因为一个异常点，决策边界会从黑线变成那条粉线，这实在是不明智的，如果 C 设置的小一点，最终得到这条黑线。它可以忽略一些异常点的影响，而且当数据线性不可分的时候，也可以将它们恰当分开，得到更好地决策边界

值得注意的是，因为 C = 1 / λ，因此C 较小时，相当于 λ 较大。可能会导致欠拟合，相当于高偏差 ，C 较大时，相当于 λ 较小。可能会导致过拟合，相当于高方差

1.3 大间距分类背后的数学 The mathematics behind large margin classification

1.3.1 向量内积

向量内积： 两个向量 u 和 v ，u^Tv 就叫做向量 u 和 v 之间的内积，∥u∥ 表示 u 的范数norm，也就是向量 u 的欧几里得长度( √(u₁²+u₂²) )，属于一个实数

在这里，内积可以用两种方式表示：

第一种是通过投影的方式计算，u^Tv = ||u|| · ||v|| · cosθ = ||u|| · p  (p也是属于一个实数，如果p是向量反向上的投影则p<0)

第二种是通过矩阵乘法的方式计算，u^Tv = u₁ × v₁ + u₂ × v₂  = v^Tu

1.3.2 SVM 代价函数的另一种理解方式

有了内积的知识，对支持向量机的代价函数我们就有了另一种理解方式，在之前说到的代价函数中如果将C设的很大，代价函数只剩下后面的那项，假设θ₀=0，参数个数n=2，可以代价函数进行转变成J(θ) = 1/2 × ||θ||^2，θ^T和x⁽ⁱ⁾看成之前讲的向量u^T和v， 这样就可以得到 θ^Tx = p · ||θ||  (p 是 x 在 θ 上的投影)

1.3.3 选择更优的决策边界

如果我选择绿色直线作为决策边界，那么蓝色直线就是参数向量了(根据线性方程中法向量的知识)，那么可以看每个数据在参数向量上的投影都非常的短

对于正样本 x⁽¹⁾ 而言，想要p⁽¹⁾ ⋅ ∥θ∥ >= 1，现在 p⁽¹⁾ 长度非常短，就意味着 ||θ|| 需要非常大

对于负样本 x⁽²⁾ 而言，想要p⁽¹⁾ ⋅∥θ∥ <= −1，现在p⁽²⁾ 长度非常短，就意味着 ||θ|| 需要非常大

但我们的目标函数是希望最小化参数 θ 的范数，因此我们希望： 投影长度 p⁽ⁱ⁾ 尽可能大

如果我们换一个决策边界，那么就可以看到每一个数据在参数向量上的投影都非常的长，这正是我们在目标函数中希望最小化参数 θ 的范数

以上都是讨论在θ₀ = 0的情况下，θ₀ = 0的意思是我们让决策界通过原点。如果θ₀ ≠ 0，决策边界不过原点 ，结论同样成立

1.4 核函数 Kernels

1.4.1 Kernels I

对于这种非线性分类问题，可以采用高级数的多项式模型来解决，在该模型中我们会把特征 x 用新特征 f 来替代，比如: f₁ = x₁ ， f₂ = x₂ ， f₃ = x₁ x₂ ， f₄ = x₁² ...

在构建新特征 f₁ ， f₂ ， f₃ 的时候还有没有更好的方法呢？其实是有的，我们可以通过核函数来构建新特征

来看一下下图中的例子，假设给定一个训练实例 x ，我们通过 x 与预先选定的 landmarks l⁽¹⁾ ， l⁽²⁾ ， l⁽³⁾ 的近似程度来计算新的特征

计算方式：f_i = similarity(x， l ⁽ⁱ⁾ ) = exp( -( ||x − l ⁽ⁱ⁾ || )² / 2σ² )，这其实就是用了高斯函数，其中i为landmarks 的索引，||x − l ⁽ⁱ⁾ || 为实例 x 中所有特征与 landmark  l⁽ⁱ⁾ 距离的和，与之前说的|| w ||相似

如果一个训练实例 x 与 l 很近，则 f  ≈ e⁻⁰ ≈ 1；与 l 很远，则 f  ≈ e^{−( 较大的数 )} ≈ 0。 具体的计算如下：

通过一个例子，以水平面的坐标为 x₁， x ₂ ，垂直坐标轴为 f 构建3D图像和等高线图来观察一下对于不同的 σ 对 f 的影响

假设θ₀ = -0.5，θ₁ = 1，θ₂ = 1，θ₃ = 0，那粉色点离 l ⁽¹⁾ 更近，所以 f₁ 接近 1，而 f₂ ，f₃ 接近 0。因此h θ(x) ≥ 0，因此预测y = 1；同理，绿色点离 l⁽²⁾ 较近的，也预测y = 1；但蓝绿色点离三个 landmark 都较远，预测y = 0

那图中红色封闭曲线就可以组成决策边界了，在整个预测过程中，我们采用的特征不是训练实例本身的特征，而是通过核函数计算出的新特征f₁ ， f₂ ， f₃

1.4.1 Kernels II

之前在选择landmark的时候我们是随便选择三个点的，那在实际应用中我们是如何获得landmark的呢？

我们是把训练集中的数据点直接作为landmark，这样 l⁽ⁱ⁾ 就会对应训练集中 x⁽ⁱ⁾，相当于把 l⁽ⁱ⁾ 初始化为 x⁽ⁱ⁾

对于将 l⁽ⁱ⁾ 初始化为 x⁽ⁱ⁾ ,这么做的好处是得到的新特征是建立在 原有特征 与 训练集中其他原有特征之间距离 的基础之上的

新特征 f 向量与原特征向量的形式保持一致，在初始化时，添加 f₀ = 1

将核函数引入支持向量机的代价函数中，用新特征 f 替换掉原特征 x，预测一个实例 x 对应结果的方法是：给定x，计算新特征 f，当 θ^Tf >= 0 时预测 y = 1； 否则反之

同时在计算上，为了简化计算， 在计算正则项 θ^Tθ 时，用 θ^TMθ 代替 θ^Tθ ，其中 M 是一个矩阵，核函数不同则M不同

整理一下在使用核函数的支持向量机时遇到的两个参数(C和σ)对新特征 f 的影响：

当 C 较大，相当于 λ 小，可能会导致过拟合，高方差
当 C 较小，相当于 λ 大，可能会导致欠拟合，高偏差

当 σ 较大时，图像缓和，可能会导致低方差，高偏差
当 σ 较小时，图像陡峭，可能会导致低偏差，高方差

1.5 使用支持向量机 Using an SVM

在使用支持向量机来求解参数θ的时候，我们通常会通过调包的方式去完成，除此之外，我们还需要选择一个合适的参数C和是否选择使用核函数，如果选择使用核函数，那就还需要注意一点别的东西(比如使用高斯函数作为核函数的时候，我们就需要选择一个合适的参数σ)

如果是使用高斯函数，那么还需要注意的是特征的放缩，就比如在房屋价格预测的例子中，房屋尺寸大小和房屋数量显然就不是一个数量级的，如果不进行特征放缩的话，那房屋数量这个特征的影响力可能就很小了

当然除了高斯函数以外也有别的函数，比如多项式核函数(Polynomial Kernel)， 字符串核函数(String kernel)， 卡方核函数( chi-square kernel) ，直方图交集核函数(histogram intersection kernel) 等。它们的目标也都是根据训练集和地标之间的距离来构建新特征，只是高斯函数是属于比较常用的函数

在多分类问题上，可以训练K个支持向量机来解决问题，不过大多数的支持向量机包已经构建好了多分类功能了

对于模型的选择上还需要根据实际的情况来选择，假设有n个特征，m个训练样本

如果 n » m，即训练集数据量不够支持我们训练一个复杂的非线性模型，选用逻辑回归模型或者不带核函数的 SVM。
如果 n较小，m中等，例如n在 1-1000 之间，而m在 10-10000 之间，使用高斯核函数的 SVM。(如果训练集非常大，高斯核函数的SVM 会非常慢)
如果 n较小，m较大，例如n在 1-1000 之间，而m大于 50000，则使用 SVM 会非常慢。解决方案是创造、增加更多的特征，然后使用逻辑回归或不带核函数的 SVM

其实逻辑回归和不带核函数的SVM 非常相似，不过具体还得根据实际情况来选择

如果是使用神经网络的话，神经网络的效果可能会比支持向量机更好，但是神经网络的缺点就是训练太慢了