另一方面,SVM支持向量机(support vector machines,SVM )是将实例特征向量映射到空间中的几点的二分类模型。 SVM的目的是为“最佳”区分这两种点画一条线,今后如果有新的点,这条线也能很好地分类。 SVM适用于中小型数据样本、非线性、高维的分类问题。
是经久不衰的算法。 在深度学习出现之前,SVM被认为是机器学习中近十几年来最成功、性能最高的算法。 高精度为避免过拟合提供了较好的理论保证,且即使数据不能在原始特征空间线性分离,只要给出适当的核函数就能很好地发挥作用。 往往在超高维的文本分类问题上很受欢迎,但遗憾的是内存消耗大,难以解释,执行和参数调整也很麻烦,所以与随机森林相比正好避免了这些缺点,很实用。
在机器学习领域,支持向量机SVM(supportvectormachine )是一种有监督的学习模型,用于模式识别、分类(异常检测)和回归分析。
二、特征和优缺点1,特征: (1).SVM可以表示为凸最优化问题,因此可以使用已知的有效算法发现目标函数的全局最小值。 其他分类方法采用基于贪婪学习的策略搜索假设空间,但该方法一般只能获得局部最优解。
)2).SVM通过最大化决策边界的边缘,实现控制模型的能力。 尽管如此,用户还需要提供其他参数,例如使用内核函数类型和引入松弛变量。
)3).SVM一般只能用于两类问题,对多类问题无效。
2、优点: (1) .可以解决高维问题,即大型特征空间;
)2) .解决小样本下的机器学习问题
(3) .可以处理非线性特征的相互作用
(4) .没有局部极小值的问题(相对于神经网络等算法)
)5) .不需要依赖于整个数据
(6) .泛化能力强。
3、缺点()1) .观测样本较多时,效率不高;
)2) .对于非线性问题没有共同的解决方案,有时很难找到合适的核函数
(3) .高维映射对核函数的解释力不强,特别是径向基函数
)4)普通SVM仅支持二分类;
(5) .对缺失数据敏感。
三、分类1、线性分类:如果所有需要分类的数据都是线性可分离的,那么只需要一条直线f(x )=wx b就可以分离。 就这样
该方法被称为线性鉴别器,线性鉴别器的学习目标是在n维数据空间中找到超平面。
但是,有个问题。 以下两种超平面都可以对数据进行分类,并从中得出。 无数个超平面可以分割数据,哪一个最好呢?
因此,必须使用最大间隔分类器。
2、最大间隔分类器(Maximum Margin Classifier,MMH)对一个数据点进行分类,超平面距离数据点的“间隔”越大,分类确信度(confidence )也越大。
为了尽可能地提高分类确信度,需要使得所选择的超平面能够最大化该“间隔”的值,即图中的Gap的一半。
用于生成支持向量的点如图中的XO所示被称为支持向量点。 由此可见,SVM的一个优点是,即使有大量数据,支持向量点也是固定的,因此再次训练大量数据也可能不会改变这个超平面。
3、非线性分类数据往往不是线性的,如何分割非线性数据呢?
解决方法:将数据放到ssddx上,然后进行分割,如下图所示。
五.几种常用核函数(Kernel)
度多项式核函数(Polynomial Kernel of Degree h )有三个参数设置。 degree )多项式核函数的阶数。 缺省值为3:-g,用于设置内核函数的伽马参数设置。 与RBF类似,缺省值为1/k ) k )采样数。 -r设置内核函数的coef0(b(类似于b )。 默认值为0。
无聊豌豆的径向基和函数(gaussianradialbasisfunctionkernel ) :应用最广泛,有参数。 -g用于设置内核函数的gamma参数,默认值为1/k。 k是类别数。
“s形核函数”(Sigmoid function Kernel )有两个参数。 -g用于设置内核函数的gamma参数设置(表达式中的第一个r ) gamma ),缺省值为1/k (其中k是类别数); -r用于设置内核函数的coef0。
分类通常使用无聊的豌豆径向基和函数。 因为分类很光滑。 字符不适用于无聊的豌豆径向基和函数。 没有标准的答案
,可以尝试各种核函数,根据精确度判定。对于核的选择也是有技巧的(libsvm中自带了四种核函数:线性核、多项式核、RBF以及sigmoid核):
第一,如果样本数量小于特征数,那么就没必要选择非线性核,简单的使用线性核就可以了,即不使用核函数。当不采用非常复杂的函数,或者我们的训练集特征非常多而实例非常少的时候,可以采用这种不带核函数的支持向量机
第二,如果样本数量大于特征数目,这时可以使用非线性核,将样本映射到更ssddx,一般可以得到更好的结果;
第三,如果样本数目和特征数目相等,该情况可以使用非线性核,原理和第二种一样。
对于第一种情况,也可以先对数据进行降维,然后使用非线性核,这也是一种方法。
六、松弛变量数据本身可能存在噪点,使得原线性可分的数据需要映射到ssddx。对于这种偏离正常位置很远的数据点,我们称之为 outlier。在我们原来的SVM模型里,outlier的存在有可能造成很大的影响,因为超平面本身就是只有少数几个support vector组成的,如果这些support vector里又存在outlier的话,其影响就很大了。
因此排除outlier点,可以相应的提高模型准确率和避免Overfitting的方式。
解决多分类问题:
经典的SVM只给出了二类分类的算法,现实中数据可能需要解决多类的分类问题。因此可以多次运行SVM,产生多个超平面,如需要分类1-10种产品,首先找到1和2-10的超平面,再寻找2和1,3-10的超平面,以此类推,最后需要测试数据时,按照相应的距离或者分布判定。
七、SVM与其他机器学习算法对比(图) 八、代码及详细解释(基于sklearn包)代码:
from sklearn import svmimport numpy as npimport matplotlib.pyplot as plt# 设置子图数量fig, axes = plt.subplots(nrows=2, ncols=2, figsize=(7, 7))ax0, ax1, ax2, ax3 = axes.flatten()# 准备训练样本x = [[1, 8], [3, 20], [1, 15], [3, 35], [5, 35], [4, 40], [7, 80], [6, 49]]y = [1, 1, -1, -1, 1, -1, -1, 1]''' 说明1: 核函数(这里简单介绍了sklearn中svm的四个核函数,还有precomputed及自定义的) LinearSVC:主要用于线性可分的情形。参数少,速度快,对于一般数据,分类效果已经很理想 RBF:主要用于线性不可分的情形。参数多,分类结果非常依赖于参数 polynomial:多项式函数,degree 表示多项式的程度-----支持非线性分类 Sigmoid:在生物学中常见的S型的函数,也称为S型生长曲线 说明2: 根据设置的参数不同,得出的分类结果及显示结果也会不同'''# 设置子图的标题titles = ['LinearSVC (linear kernel)', 'SVC with polynomial (degree 3) kernel', 'SVC with RBF kernel', # 这个是默认的 'SVC with Sigmoid kernel']# 生成随机试验数据(15行2列)rdm_arr = np.random.randint(1, 15, size=(15, 2))def drawPoint(ax, clf, tn): # 绘制样本点 for i in x: ax.set_title(titles[tn]) res = clf.predict(np.array(i).reshape(1, -1)) if res > 0: ax.scatter(i[0], i[1], c='r', marker='*') else: ax.scatter(i[0], i[1], c='g', marker='*') # 绘制实验点 for i in rdm_arr: res = clf.predict(np.array(i).reshape(1, -1)) if res > 0: ax.scatter(i[0], i[1], c='r', marker='.') else: ax.scatter(i[0], i[1], c='g', marker='.')if __name__ == "__main__": # 选择核函数 for n in range(0, 4): if n == 0: clf = svm.SVC(kernel='linear').fit(x, y) drawPoint(ax0, clf, 0) elif n == 1: clf = svm.SVC(kernel='poly', degree=3).fit(x, y) drawPoint(ax1, clf, 1) elif n == 2: clf = svm.SVC(kernel='rbf').fit(x, y) drawPoint(ax2, clf, 2) else: clf = svm.SVC(kernel='sigmoid').fit(x, y) drawPoint(ax3, clf, 3) plt.show()运行效果: