svm之大间距分类(斯坦福machine learning week 6)

1 构建支持向量机

拥有了这些定义之后，现在我们就开始构建支持向量机。

1.1 替换逻辑回归函数

这就是我们在逻辑回归中使用的代价函数J(θ)：

J(θ)=−1m∑i=1m[y(i) log(hθ(x(i)))+(1−y(i)) log(1−hθ(x(i)))]+λ2m∑j=1nθ2j

对于支持向量机而言，实际上，我们要将

上面式子中的这一项：(−loghθ(x(i)))替换为：cost1(z)，即:cost1(θTx(i))
同样，这一项：((−log(1−hθ(x(i)))))替换为：cost0(z)，即:cost0(θTx(i))
其中cost分别为下面的红线：

我们命名为cost1(z)。

我们命名为cost2(z)。

这里替换之后的cost1(z)和cost0(z)就是上面提到的那两条靠近逻辑回归函数的折线。

所以对于支持向量机的最小化代价函数问题，代价函数的形式如下：

minθ1m[∑mi=1y(i)cost1(θTx(i))+(1−y(i))cost0(θTx(i))]+λ2m∑nj=1θ2j

1.2 去除多余的常数项 1m

现在按照支持向量机的惯例，我们去除1m这一项，因为这一项是个常数项，即使去掉我们也可以得出相同的θ最优值：

minθ∑i=1m[y(i)cost1(θTx(i))+(1−y(i))cost0(θTx(i))]+λ2∑j=1nθ2j

1.3 正则化项系数的处理

在逻辑回归的目标函数中，我们有两项表达式：

来自于训练样本的代价函数:

1m[∑i=1my(i)(−loghθ(x(i)))+(1−y(i))((−log(1−hθ(x(i)))))]

正则化项：

λ2∑j=1nθ2j

我们不得不使用正则化项来平衡我们的代价函数。这就相当于：

A+λB

其中A相当于上面的第一项，B相当于第二项。

我们通过修改不同的正则化参数λ来达到优化目的，这样我们就能够使得训练样本拟合的更好。

但对于支持向量机，按照惯例我们将使用一个不同的参数来替换这里使用的λ来实现权衡这两项的目的。这个参数我们称为C。同时将优化目标改为:

CA+B

因此，在逻辑回归中，如果给λ一个很大的值，那么就意味着给与B了一个很大的权重，而在支持向量机中，就相当于对C设定了一个非常小的值，这样一来就相当于对B给了比A更大的权重。

因此，这只是一种来控制这种权衡关系的不同的方式。当然你也可以把这里的C当做farc1λ来使用。

因此，这样就得到了在支持向量机中的我们的整个优化目标函数：

minθC∑i=1m[y(i)cost1(θTx(i))+(1−y(i))cost0(θTx(i))]+12∑j=1nθ2j

最后有别于逻辑回归的一点，对于支持向量机假设函数的形式如下：

hθ(x)=1   if θTx≥0

hθ(x)=0   if θTx<0

而不是逻辑回归中的S型曲线：

hθ(x)=11+e−x

2 由逻辑回归到svm

安全距离因子

事实上，在逻辑回归中：

如果你有一个正样本，即y=1的情况下，我们仅仅需要 heta^{T}xge0；
如果你有一个负样本，即y=0的情况下，我们仅仅需要 heta^{T}xlt0；

就能将该样本恰当的分类了。

但是支持向量机的要求更高，不仅仅要求θTx≥0或θTx<0，而且要求θTx比0大很多，或小很多。比如这里要求θTx≥1以及θTx≤−1。

这就相当于在支持向量机中嵌入了一个额外的安全因子（或者说是安全距离因子）。接下来让我们来看看这个因子会导致什么结果：

具体而言，我接下来会将代价函数中的常数项C设置成一个非常大的值，比如100000或者其他非常大的数，然后再来观察支持向量机会给出什么结果。

当代价函数中

minθC∑i=1m[y(i)cost1(θTx(i))+(1−y(i))cost0(θTx(i))]+12∑j=1nθ2j

C的值非常大时，则最小化代价函数的时候，我们会很希望找到一个使第一项：

∑i=1m[y(i)cost1(θTx(i))+(1−y(i))cost0(θTx(i))]

为0的最优解。

可以看到当输入一个正样本y(i)=1时，我们想令上面这一项为0，从图中可以得出

对于代价函数cost1(z)我们需要使得θTx(i)≥1。

类似地，对于一个负训练样本y(i)=0时，我们想令上面这一项为0，从图中可以得出

对于代价函数cost0(z)我们需要使得θTx(i)≤−1。

这样一来会产生下面这种优化问题：

因为我们将选择参数使第一项为0，因此这个函数的第一项为0，因此是：

minθC0+12∑j=1nθ2j

我们知道是C0的结果是0，因此可以删掉，所以最终得到的结果是：

minθ12∑j=1nθ2j

其中：

若y(i)=1时，则θTx(i)≥1
若y(i)=0时，则θTx(i)≤−1

这样我们就得到了一个非常有趣的决策边界。

3 SVM决策边界：线性分割案例

支持向量机会选择黑色的这一条直线：

这条直线看起来好很多，因为它看起来更加稳健。在数学上来讲就是这条直线拥有相对于训练数据更大的最短距离，这个所谓的距离就是指间距(margin),而之前两条粉线和蓝线距离训练样本非常近，在分离样本时就会表现的比黑线差。

当有一个异常值产生时：

我们的算法会受到异常值的影响。这时我们将支持向量机中的正则化因子CC设置的非常大，那么我们会得到类似这样一条粉色的决策边界：

那么我们仅仅通过一个异常值，就将我们的决策边界旋转了这么大的角度，实在是不明智的。

当我们的正则化因子CC的值非常大时，支持向量机确实会如此处理，但如果我们适当的减小CC的值，你最终还是会得到那条黑色的决策边界的。

如果数据是线性不可分的话，像这样：

支持向量机也可以恰当的将它们分开。

值得提醒的是CC的作用其实等同于1λ1λ，λλ就是我们之前用到的正则化参数。在支持向量机中，CC不是很大的时候，可以对包含异常数据、以及线性不可分的数据有比较好的处理效果。

稍后我们还会介绍支持向量机的偏差和方差，希望到那时候关于如何处理参数的这种平衡会变得更加清晰。

4 大间距分类器背后的数学原理

其中我们用||u||来表示u的范数（即u的长度），因此||u||的计算公式如下：

||u||=u21+u22−−−−−−√

投影之后的长度就是图中红线p的长度：

p=向量v投影到向量u上的长度

同时也有另外一种计算内积的方式：

uTv=p⋅||u||

5 SVM决策边界

现在我们知道：

minθ12∑j=1nθ2j

其中条件是：

若y(i)=1时，则θTx(i)≥1
若y(i)=0时，则θTx(i)≤−1

根据第四小节可以写成：

minθ12∑j=1nθ2j=12||θ||2

这里的约束项是可以用p^{(i)}·|| heta||来替代的：
若y(i)=1时，则p(i)⋅||θ||≥1
若y(i)=0时，则p(i)⋅||θ||≤−1

由于决策边界和参数向量是正交的(斜率相乘结果为-1)(为什么决策边界和参数向量是正交的)，我们可以绘制出对应的参数向量θ：

这里由于我们指定了θ0=0θ0=0，也就意味着决策边界是过原点的。

我们可以画出这个样本向量到θθ的投影p(1)：

类似的，我们也可以画出第二个样本向量到θ的投影p(2)：

我们会发现，这些p(i)p(i)将会是一些非常小的数。因此当我们考察优化目标函数的时候：

对于正样本(y(i)=1y(i)=1，即图中的”x”样本)而言，我们需要p(i)⋅||θ||≥1p(i)·||θ||≥1，由于p(i)p(i)非常小，也就意味着||θ||||θ||需要非常大。

对于负样本(y(i)=−1y(i)=−1，即图中的”o”样本)而言，我们需要p(i)⋅||θ||≤−1p(i)·||θ||≤−1，由于p(i)p(i)非常小，也就意味着||θ||需要非常大。

但我们的实际目标是希望找到一个参数θθ，使得它的范数||θ||||θ||是尽可能小的，因此这并不是一个好的决策边界，因为我们的||θ||比较大。

对于下面这个决策边界来说，情况就会有很大的不同：
如果我们现在再来绘制出样本向量在参数向量上的投影p(1)p(1)和p(2)p(2)的话，你会发现这些投影的长度比之前长多了：

最后一点，我们的推导自始至终都使用了截距为0（即θ0=0）这个简化假设。这样做的作用就是可以使得决策边界始终是通过原点的，如果你的决策边界不过原点，那么θ0≠0，但支持向量机会产生大间距分类器的结论依然成立（具体推导过程不再叙述，和这里很类似）。但是可以说明的是，即便θ0≠0，支持向量机仍然会找到正样本和负样本之间的大间距分隔。总之 我们解释了为什么支持向量机是一个大间距分类器。