支持向量机(SVM) | 核技巧于SMO算法的实现

2024-02-10 15:08
文章标签 算法 实现 技巧 支持 向量 svm smo

本文主要是介绍支持向量机(SVM) | 核技巧于SMO算法的实现，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！

01 核技巧

关于支持向量机，我们有这样的共识：

  1. 支持向量机是一种分类器，之所以叫“机”是因为它会产生一个二值决策结果，是一种决策机；
  2. 支持向量机的泛化误差较低，即，有良好的学习能力，且学到的模型具有很好的推广性，因此被认为是监督学习中最好的定式算法；
  3. 支持向量机通过求解一个二次优化问题来最大化分类间隔，在过去，训练SVM常采用非常复杂且低效的二次规划求解方法；1998年，Platt提出SMO算法，通过每次只优化两个alpha值来加快SVM训练速度。

在这篇文章中，我用python3实现了SMO算法，但是呢还有一个问题没有解决：

对于非线性数据集(比如圆环状分布的数据集)，该如何分类呢？

我们可以将输入空间的样本特征映射到高维特征空间，使得原本非线性的数据集变得线性可分，这就是“核技巧”，核技巧的一个形象过程，如下图所示：

本文将利用核技巧，改进之前写的SMO算法，用于分类非线性数据集，一起来看看吧～

02 核函数

核函数可以自己构造，不过实际应用中我们常使用已有的核函数，不同的核函数适用于不同分布的数据集，典型的几个核函数如下：

其中，高斯径向基函数适用于圆环状分布的数据集，本文将利用径向基函数对数据进行核技巧处理。

03 算法实现

整体逻辑与SMOpro一致，差别只在于用K(x,xi)替换了X,Xi内积

3.1辅助函数
def loadDataSet(filename):#filename是待读取文件的文件名或路径+文件名dataMat=[];labelMat=[]fr=open(filename)for line in fr.readlines():lineArr=line.strip().split("\t")dataMat.append([float(lineArr[0]),float(lineArr[1])])labelMat.append(float(lineArr[2]))return dataMat,labelMatdef randPickj(i,m):#i是alphai的i值，整数; m是alpha个数; j不能等于ij=iwhile j==i:j=int(np.random.uniform(0,m))return jdef clipAlpha(aj,H,L):if aj>H:aj=Hif aj<L:aj=Lreturn aj
3.2 核转换函数(关键点)
# X为数据集特征矩阵，A为X[i,:]
# kTup为元组类型，第一个参数表示所用核函数类型，第二个参数表示径向基函数对应的到达率(大小与支持向量对分离超平面的影响程度正相关)
def kernelTrans(X,A,kTup):m,n=X.shapeK=np.mat(np.zeros((m,1)))if kTup[0]=="lin": #核函数类型为 线性函数K=X*A.Telif kTup[0]=="rbf": #核函数为 径向基函数for j in range(m): #遍历每个样本deltaRow=X[j,:]-A #Xj-XiK[j]=deltaRow*deltaRow.T #||Xj-Xi||**2K=np.exp(K/-kTup[1]**2) #径向基函数公式else:raise NameError("Kernel not recognized")return K

#这里构造一个对象，目的是将此对象作为一个数据结构来使用
class optStruct:def __init__(self,data,label,C,toler,kTup):#全局变量self.X=dataself.labelMatrix=labelself.C=Cself.toler=tolerself.m=data.shape[0] #m为样本数#初始化alpha矩阵、b、Es矩阵self.alphas=np.mat(np.zeros((self.m,1)))self.Es=np.mat(np.zeros((self.m,2))) #缓存误差，两列，第一列表示当前Ei是否有效，第二列表示当前的Ei值self.b=0#核技巧增加项，初始化K矩阵(K矩阵用于存放K(xi,xj)，维度为m*m)self.K=np.mat(np.zeros((self.m,self.m)))for i in range(self.m):self.K[:,i]=kernelTrans(self.X,self.X[i,:],kTup)def calcEk(oS,k):gxk=float(np.multiply(oS.alphas,oS.labelMatrix).transpose()*oS.K[:,k]+oS.b)Ek=gxk-float(oS.labelMatrix[k])return Ek#选择相较ai具有最大步长(即Ei-Ej)的aj的函数
def selectJ(oS,i,Ei):maxK=-1;maxDeltaE=0;Ej=0 #DeltaE表示Ei-Ej,k表示DeltaE最大的样本点索引值，最终会将Ek赋值给EjoS.Es[i]=[1,Ei] #使Es矩阵第i位有效validEsList=np.nonzero(oS.Es[:,0].A)[0] #将Es矩阵中有效的Ei对应的索引值选出来，作为挑选j的池子if len(validEsList)>1:for k in validEsList:if k==i:continueEk=calcEk(oS,k)deltaE=abs(Ei-Ek)if deltaE>maxDeltaE:maxDeltaE=deltaE;maxK=k;Ej=Ekreturn maxK,Ejelse: #若validEsList只有一个Ei有效(初次循环)，则随机选取一个jj=randPickj(i,oS.m)Ej=calcEk(oS,j)return j,Ejdef updateEk(oS,k):Ek=calcEk(oS,k)oS.Es[k]=[1,Ek]
3.3 内循环
def innerL(i,oS):Ei=calcEk(oS,i)#判断Ei是否是违反KKT条件超过toler的点，若是再继续挑选jif (oS.labelMatrix[i]*Ei<-oS.toler and oS.alphas[i]<oS.C) or (oS.labelMatrix[i]*Ei>oS.toler and oS.alphas[i]>0):j,Ej=selectJ(oS,i,Ei)alphaIold=oS.alphas[i].copy();alphaJold=oS.alphas[j].copy()#计算L，Hif oS.labelMatrix[i]!=oS.labelMatrix[j]:L=max(0,oS.alphas[j]-oS.alphas[i]) #这里alpha[i]仍然等于alphaIoldH=min(oS.C,oS.C+oS.alphas[j]-oS.alphas[i])         else:L=max(0,oS.alphas[j]+oS.alphas[i]-oS.C)H=min(oS.C,oS.alphas[j]+oS.alphas[i])if L==H:print ("L==H")return 0 #第一个跳出条件(跳出本次内循环，遍历下一个alpha进行更新)#计算etaeta=oS.K[i,i]+oS.K[j,j]-2.0*oS.K[i,j]if eta==0:print ("eta=0")return 0 #第二个跳出条件(因为eta=0不好处理，且出现情况较少，因此这里咱不处理，直接跳出)#根据统计学习方法中的结果公式得到alphaj的解析解，并更新Ej值oS.alphas[j]=oS.alphas[j]+oS.labelMatrix[j]*(Ei-Ej)/etaoS.alphas[j]=clipAlpha(oS.alphas[j],H,L)updateEk(oS,j) #更新Ej值#检验alphaj与alphaJold是否有足够大的改变，若改变不够大，说明与alpha旧值没有什么差异，跳出本次内循环if abs(oS.alphas[j]-alphaJold)<0.00001:print ("j not moving enough")return 0 #第三个跳出条件#约束条件让我们可以根据alphaJ求出alphaIoS.alphas[i]=oS.alphas[i]+oS.labelMatrix[i]*oS.labelMatrix[j]*(alphaJold-oS.alphas[j])updateEk(oS,i) #更新Ei值#更新b值,根据alpha是否在0～C决定更新的b值b1=-Ei-oS.labelMatrix[i]*(oS.alphas[i]-alphaIold)*oS.K[i,i]\-oS.labelMatrix[j]*(oS.alphas[j]-alphaJold)*oS.K[i,j]+oS.bb2=-Ej-oS.labelMatrix[i]*(oS.alphas[i]-alphaIold)*oS.K[i,j]\-oS.labelMatrix[j]*(oS.alphas[j]-alphaJold)*oS.K[j,j]+oS.b#若ai或aj在(0,C)之间，则取b=bi或b=bj，若ai aj都不在(0,C)之间，取均值if oS.alphas[i]>0 and oS.alphas[i]<oS.C:oS.b=b1elif oS.alphas[j]>0 and oS.alphas[j]<oS.C:oS.b=b2else:oS.b=(b1+b2)/2.0return 1 #若执行到这里都没有return0跳出，说明已经完成了一个alpha对的更新，返回一个1else:return 0 #若ai不足够违反KKT条件，则return0跳出本次内循环
3.4 外循环
def SMOpro(data,label,C,toler,maxIter,kTup):oS=optStruct(np.mat(data),np.mat(label).transpose(),C,toler,kTup)iter=0;entireSet=True;alphaPairsChanged=0#当迭代次数达到上限(这里的迭代次数只要完成一次循环遍历就+1，不论该次循环遍历是否修改了alpha对)，或全集再无可修改的alpha对时，循环停止，计算完成while (iter<maxIter) and (entireSet or alphaPairsChanged>0):alphaPairsChanged=0if entireSet: #全集遍历for i in range(oS.m):alphaPairsChanged+=innerL(i,oS)print ("fullset, iter:%d i:%d, pairsChanged: %d" %(iter,i,alphaPairsChanged))iter+=1 #这里的迭代次数只要完成一次循环遍历就+1，不论该次循环遍历是否修改了alpha对else: #边界遍历boundIs=np.nonzero((oS.alphas.A>0)*(oS.alphas.A<oS.C))[0] #选择0<alpha<C的样本点的索引值(即边界点)for i in boundIs:alphaPairsChanged+=innerL(i,oS)print ("bound, iter:%d i:%d, pairsChanged: %d" %(iter,i,alphaPairsChanged))iter+=1#控制遍历往返于全集遍历和边界遍历if entireSet:entireSet=False #若本轮是全集遍历，则下一轮进入边界遍历(下一轮while条件中的entire是False)elif alphaPairsChanged==0:entireSet=True  #若本轮是边界遍历，且本轮遍历未修改任何alpha对，则下一轮进入全集遍历print ("iteration number: %d" %iter)return oS.b,oS.alphas

04 测试

我们用两个圆环分布的数据集测试这个利用了核技巧的SMO算法，数据集分布如下：

4.1 参数训练函数
def testRBF(C,toler,maxIter,kTup):#训练参数data,label=loadDataSet("testSetRBF.txt")b,alphas=SMOpro(data,label,C,toler,maxIter,kTup)print (b,"\n",alphas[alphas>0])#找到支持向量dataMat=np.mat(data);labelMat=np.mat(label).transpose()svInd=np.nonzero(alphas.A>0)[0] #返回alpha>0的点的索引(即，支持向量点位置)svs=dataMat[svInd];labelSV=labelMat[svInd] #支持向量样本点特征和类型print ("There are %d Support Vectors" %svs.shape[0])#模型对于训练集的预测误差m,n=dataMat.shape;errorCount=0for i in range(m):kernelEval=kernelTrans(svs,dataMat[i,:],kTup) #只映射支持向量到特征空间predict=kernelEval.T*np.multiply(labelSV,alphas[svInd])+b #wiX+bif np.sign(predict)!=np.sign(label[i]): #sign(x)为判别函数，X>0输出1，否则输出-1errorCount+=1print ("The training error rate is {0}%".format(float(errorCount)/m))#模型对于测试集的预测误差data2,label2=loadDataSet("testSetRBF2.txt")dataMat2=np.mat(data2);labelMat2=np.mat(label2).transpose()svInd2=np.nonzero(alphas.A>0)[0] #返回alpha>0的点的索引(即，支持向量点位置)svs2=dataMat2[svInd2];labelSV2=labelMat2[svInd2] #支持向量样本点特征和类型print ("There are %d Support Vectors" %svs2.shape[0])m2,n2=dataMat2.shape;errorCount2=0for i in range(m2):kernelEval2=kernelTrans(svs2,dataMat2[i,:],kTup) #只映射支持向量到特征空间predict2=kernelEval2.T*np.multiply(labelSV2,alphas[svInd2])+b #wiX+bif np.sign(predict2)!=np.sign(label2[i]): #sign(x)为判别函数，X>0输出1，否则输出-1errorCount2+=1print ("The training error rate is {0}%".format(100.0*float(errorCount2)/m2))return b,alphas,svInd,svInd2
4.2 训练&绘图
b,alphas,svInd,svInd2=testRBF(20,0.001,1000,("rbf",0.4))
plotBestFit(svInd,"testSetRBF.txt")
plotBestFit(svInd2,"testSetRBF2.txt")

得到如下输出：

直观点，我们来看看反应在图中是怎样的效果，第一张为训练集分类效果，第二张为测试集分类效果 (橙色、绿色点为支持向量)：
训练集
测试集

可以看到：

  1. 径向基函数的到达率(k1)有一个最优值
    1.1 k1越大，支持向量对分离超平面影响越大，支持向量点可能越少，容易引起欠拟合，决策边界很差
    1.2 k1越小，支持向量对分离超平面影响越小，支持向量点可能越多，容易引起过拟合(极端-所有样本点都是支持向量>>KNN)
  2. 本来想用支持向量点来象征非线性数据集的分离超平面位置，但发现支持向量在图中看起来很杂乱，不过属于正常，因为支持向量是分离超平面两侧的样本点

05 总结

本文就之前写的SMO算法进行了改进，加入了核技巧可选项，可以处理非线性数据集。

这里使用的核函数是径向基函数，适用于圆环状分布的数据集，对于其他分布形状的数据集，可以增加其他核函数来处理，不过道理是一样的：将输入空间的样本特征映射到高维特征空间，使得原本非线性的数据集变得线性可分。

下期主攻AdaBoost集成算法啦，加油吧～

06 参考

  1. 《统计学习方法》 李航 Chapter7
  2. 《机器学习实战》 Peter Harrington Chapter6

这篇关于支持向量机(SVM) | 核技巧于SMO算法的实现的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！


http://www.chinasem.cn/article/697425。

相关文章

使用Python实现在Word中添加或删除超链接

使用Python实现在Word中添加或删除超链接

《使用Python实现在Word中添加或删除超链接》在Word文档中,超链接是一种将文本或图像连接到其他文档、网页或同一文档中不同部分的功能,本文将为大家介绍一下Python如何实现在Word中添加或... 在Word文档中，超链接是一种将文本或图像连接到其他文档、网页或同一文档中不同部分的功能。通过添加超
阅读更多...
windos server2022里的DFS配置的实现

windos server2022里的DFS配置的实现

《windosserver2022里的DFS配置的实现》DFS是WindowsServer操作系统提供的一种功能,用于在多台服务器上集中管理共享文件夹和文件的分布式存储解决方案,本文就来介绍一下wi... 目录什么是DFS？优势：应用场景：DFS配置步骤什么是DFS？DFS指的是分布式文件系统（Distr
阅读更多...
NFS实现多服务器文件的共享的方法步骤

NFS实现多服务器文件的共享的方法步骤

《NFS实现多服务器文件的共享的方法步骤》NFS允许网络中的计算机之间共享资源,客户端可以透明地读写远端NFS服务器上的文件,本文就来介绍一下NFS实现多服务器文件的共享的方法步骤,感兴趣的可以了解一... 目录一、简介二、部署1、准备1、服务端和客户端：安装nfs-utils2、服务端：创建共享目录3、服
阅读更多...
C#使用yield关键字实现提升迭代性能与效率

C#使用yield关键字实现提升迭代性能与效率

《C#使用yield关键字实现提升迭代性能与效率》yield关键字在C#中简化了数据迭代的方式,实现了按需生成数据,自动维护迭代状态,本文主要来聊聊如何使用yield关键字实现提升迭代性能与效率,感兴... 目录前言传统迭代和yield迭代方式对比yield延迟加载按需获取数据yield break显式示迭
阅读更多...
Python实现高效地读写大型文件

Python实现高效地读写大型文件

《Python实现高效地读写大型文件》Python如何读写的是大型文件,有没有什么方法来提高效率呢,这篇文章就来和大家聊聊如何在Python中高效地读写大型文件,需要的可以了解下... 目录一、逐行读取大型文件二、分块读取大型文件三、使用 mmap 模块进行内存映射文件操作（适用于大文件）四、使用 pand
阅读更多...
python实现pdf转word和excel的示例代码

python实现pdf转word和excel的示例代码

《python实现pdf转word和excel的示例代码》本文主要介绍了python实现pdf转word和excel的示例代码,文中通过示例代码介绍的非常详细,对大家的学习或者工作具有一定的参考学习价... 目录一、引言二、python编程1，PDF转Word2，PDF转Excel三、前端页面效果展示总结一
阅读更多...
Python xmltodict实现简化XML数据处理

Python xmltodict实现简化XML数据处理

《Pythonxmltodict实现简化XML数据处理》Python社区为提供了xmltodict库,它专为简化XML与Python数据结构的转换而设计,本文主要来为大家介绍一下如何使用xmltod... 目录一、引言二、XMLtodict介绍设计理念适用场景三、功能参数与属性1、parse函数2、unpa
阅读更多...
C#实现获得某个枚举的所有名称

C#实现获得某个枚举的所有名称

《C#实现获得某个枚举的所有名称》这篇文章主要为大家详细介绍了C#如何实现获得某个枚举的所有名称,文中的示例代码讲解详细,具有一定的借鉴价值,有需要的小伙伴可以参考一下... C#中获得某个枚举的所有名称using System;using System.Collections.Generic;usi
阅读更多...
Go语言实现将中文转化为拼音功能

Go语言实现将中文转化为拼音功能

《Go语言实现将中文转化为拼音功能》这篇文章主要为大家详细介绍了Go语言中如何实现将中文转化为拼音功能,文中的示例代码讲解详细,感兴趣的小伙伴可以跟随小编一起学习一下... 有这么一个需求：新用户入职 创建一系列账号比较麻烦，打算通过接口传入姓名进行初始化。想把姓名转化成拼音。因为有些账号即需要中文也需要英
阅读更多...
C# 读写ini文件操作实现

C# 读写ini文件操作实现

《C#读写ini文件操作实现》本文主要介绍了C#读写ini文件操作实现,文中通过示例代码介绍的非常详细,对大家的学习或者工作具有一定的参考学习价值,需要的朋友们下面随着小编来一起学习学习吧... 目录一、INI文件结构二、读取INI文件中的数据在C#应用程序中，常将INI文件作为配置文件，用于存储应用程序的
阅读更多...

Copyright China编程 23002807@qq.com

沪ICP备2023033072号-2