支持向量机系列四:Outliers
来源:互联网 发布:潘石屹 三段婚姻 知乎 编辑:程序博客网 时间:2024/06/06 01:02
原文地址http://blog.pluskid.org/?p=692
http://cos.name/2014/02/svm-series-4-support-vector/
原文链接请点击这里
在最开始讨论支持向量机的时候,我们就假定,数据是线性可分的,亦即我们可以找到一个可行的超平面将数据完全分开。后来为了处理非线性数据,使用 Kernel 方法对原来的线性 SVM 进行了推广,使得非线性的的情况也能处理。虽然通过映射 ϕ(⋅) 将原始数据映射到高维空间之后,能够线性分隔的概率大大增加,但是对于某些情况还是很难处理。例如可能并不是因为数据本身是非线性结构的,而只是因为数据有噪音。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。例如下图:
用黑圈圈起来的那个蓝点是一个 outlier ,它偏离了自己原本所应该在的那个半空间,如果直接忽略掉它的话,原来的分隔超平面还是挺好的,但是由于这个 outlier 的出现,导致分隔超平面不得不被挤歪了,变成途中黑色虚线所示(这只是一个示意图,并没有严格计算精确坐标),同时 margin 也相应变小了。当然,更严重的情况是,如果这个 outlier 再往右上移动一些距离的话,我们将无法构造出能将数据分开的超平面来。
为了处理这种情况,SVM 允许数据点在一定程度上偏离一下超平面。例如上图中,黑色实线所对应的距离,就是该 outlier 偏离的距离,如果把它移动回来,就刚好落在原来的超平面上,而不会使得超平面发生变形了。具体来说,原来的约束条件
yi(wTxi+b)≥1,i=1,…,n
现在变成
yi(wTxi+b)≥1−ξi,i=1,…,n
其中 ξi≥0 称为松弛变量 (slack variable) ,对应数据点 xi 允许偏离的 functional margin 的量。当然,如果我们允许 ξi 任意大的话,那任意的超平面都是符合条件的了。所以,我们在原来的目标函数后面加上一项,使得这些 ξi 的总和也要最小:
min12∥w∥2+Cn∑i=1ξi
其中 C 是一个参数,用于控制目标函数中两项(“寻找 margin 最大的超平面”和“保证数据点偏差量最小”)之间的权重。注意,其中 ξ 是需要优化的变量(之一),而 C是一个事先确定好的常量。完整地写出来是这个样子:
min12∥w∥2+Cn∑i=1ξis.t.,yi(wTxi+b)≥1−ξi,i=1,…,nξi≥0,i=1,…,n(1)(2)(3)
用之前的方法将限制加入到目标函数中,得到如下问题:
L(w,b,ξ,α,r)=12∥w∥2+Cn∑i=1ξi–n∑i=1αi(yi(wTxi+b)−1+ξi)–n∑i=1riξi
分析方法和前面一样,转换为另一个问题之后,我们先让 L 针对 w、b 和 ξ 最小化:
∂L∂w=0⇒w=n∑i=1αiyixi∂L∂b=0⇒n∑i=1αiyi=0∂L∂ξi=0⇒C−αi−ri=0,i=1,…,n(4)(5)(6)
将 w 带回 L 并化简,得到和原来一样的目标函数:
maxαn∑i=1αi–12n∑i,j=1αiαjyiyj⟨xi,xj⟩
不过,由于我们得到 C−αi−ri=0 ,而又有 ri≥0 (作为 Lagrange multiplier 的条件),因此有 αi≤C ,所以整个 dual 问题现在写作:
maxαn∑i=1αi–12n∑i,j=1αiαjyiyj⟨xi,xj⟩s.t.,0≤αi≤C,i=1,…,nn∑i=1αiyi=0(7)(8)(9)
和之前的结果对比一下,可以看到唯一的区别就是现在 dual variable α多了一个上限 C 。而 Kernel 化的非线性形式也是一样的,只要把 ⟨xi,xj⟩ 换成 κ(xi,xj)即可。这样一来,一个完整的,可以处理线性和非线性并能容忍噪音和 outliers 的支持向量机才终于介绍完毕了。
- 支持向量机系列四:Outliers
- 支持向量机:Outliers
- 支持向量机:Outliers
- 支持向量机_4:Outliers
- [Free Mind]支持向量机:Outliers
- 线性支持向量机思想与公式推导(Outliers)
- 【理论】支持向量机4:Outliers —— 介绍支持向量机使用松弛变量处理 outliers 方法
- 支持向量机(四)
- 四、支持向量机
- 支持向量机系列
- 支持向量机系列
- 支持向量机(四)
- 支持向量机(四)
- 支持向量机(四)
- 支持向量机(四)
- 支持向量机(四)
- 支持向量机(四)
- 支持向量机(四)
- 支持向量机系列三:Kernel
- 将DPDK移植到snort上的DAQ
- 开发应该做好自测
- 多重部分和问题
- 对CompletionService封装,实现快速处理业务任务并汇总结果
- 支持向量机系列四:Outliers
- 单调递增最长子序列
- MongoDB权限管理之用户名和密码的操作
- 结构体内存对齐的补充说明与总结
- HDU 5795 A Simple Nim SG函数打表找规律
- 支持向量机系列五:Numerical Optimization
- MongoDB增加用户认证: 增加用户、删除用户、修改用户密码、读写权限、只读权限
- 纪念帖
- “支持向量机系列”的番外篇二: Kernel II