​ ​支持向量机（support vector machines, SVM）是二分类算法，所谓二分类即把具有多个特性（属性）的数据分为两类，目前主流机器学习算法中，神经网络等其他机器学习模型已经能很好完成二分类、多分类，学习和研究SVM，理解SVM背后丰富算法知识，对以后研究其他算法大有裨益；在实现SVM过程中，会综合利用之前介绍的一维搜索、KKT条件、惩罚函数等相关知识。本篇首先通过详解SVM原理，后介绍如何利用python从零实现SVM算法。

    为便于理解，假设样本有两个属性，可以把属性值分别对应到二维空间轴的x,y轴上，如下图所示：

实例中样本明显的分为两类，黑色实心点不妨为类别一，空心圆点可命名为类别二，在实际应用中会把类别数值化，比如类别一用1表示，类别二用-1表示，称数值化后的类别为标签。每个类别分别对应于标签1、还是-1表示没有硬性规定，可以根据自己喜好即可，需要注意的是，由于SVM算法标签也会参与数学运算，这里不能把类别标签设为0。

    还是对应于上图，如果能需要找到一条直线，将上述的实心点与空心点分为两个部分，当下次还有其他样本点时，将其属性值作为坐标绘制到坐标轴上后，根据新样本点与直线位置关系，就可以判断出其类别。满足这样直线有无数条，SVM是要找到最合适一条：观察上图，绿线肯定不行，该条分类直线在没有验证集前提下已经错了；而蓝色线和红色都可以实现分类，蓝色线与实心黑点靠的太近，相比而言，红色线更‘公允’些。红色线就是SVM需要找出的分类直线，数学语言描述红线的‘公允’特性可表述为：将黑点和空心点视为两个集合，如果找到一个直线，使得黑点集合中的一些点离直线最近，这些点到该直线距离为d;空心点集合中也能找到一系列的点，离直线最近，距离同样也是d,则该直线就是我们要找到线性分类器，同时称两个集合中离直线最近的点为支持向量，SVM支持向量机就是由此得名的。

    一些算法书籍中这样描述SVM算法，找出一个直线，使得直线与两边集合最近的点的间隔空间最大，从上图也可以看出来，黑色点离蓝线最近的点，其距离小于到红线距离（直角的斜边）。能找到支持向量就一定找到分类直线，反之亦然，以上是针对两个属性值，通过观察二维平面即可以引出SVM的算法的特点，如果样本属性非常多呢，如何归纳算法的规律性？首先说下凸集可分离定理，该定理不仅是SVM的核心理论支持，更是机器学习算法的基石。

一、凸集可分离定理

    还是以二维空间为例，中学时代我们就学过直线方程，比如有直线方程y=2x-1,如下图所示：

把直线方程y=2x-1写成内积形式:

向量(-2,1)对应上图中OA向量，把OA向量变为单位向量，即方向与OA相同，模为1向量OS,S的坐标为 ,将直线方程两边同除以，可得：

​​

(x,y)代表直线y=2x-1上任意一点，上式说明y=2x-1上任意一点与单位向量S:的内积是，图中向量OP的长度为，取负号是因为OP向量方向与OS方向相反；上图中向量v1、v2在OS向量上投影都是OP，这个例子说明：通过引入一个向量OS，直线y=2x-1上无数的点在向量OS上都可以用来表示,或者说，直线y=2x-1在向量OS上都可以用坐标(0,)表示。通过内积投影的方式，可以把高维数据变为向量上一个实数，这是一个线性泛函的过程，数学领域中常用内积来降低数据维度，把多维数据处理成一个实数便于后期分析、处理。

    引申到任意维度时，上面方程可用集合公式表达：S:{x | pTx=α}  x∈Rn。对应于上图：p向量对应向量OS,x为直线上任意一点，在SVM算法中，称x点构成的集合S为超平面。有时高维数据集合投影到向量p的内积值是一个范围：比如{x | pTx>=α}或{y | pTy<=-α},高维数据被投影到向量p的两个区间上：

接下来介绍凸集分离定理：

上图中X，Y在高维空间中都是凸集，且X∩Y=Φ;将X、Y投影到向量p上后，可以得到两个凸集X'，Y',在向量p上X'、Y'一定处在向量p的两端，即X'，Y'两个凸集是可分离的。

    注意定理中有两个条件，一是X，Y是凸集，二是X，Y交集为空集。X'，Y'可分离意味着在向量p上可以将两者区分开，而X与X'、Y与Y'都是一一映射，X'，Y'可区分开就间接地意味着X，Y也可区分开，这里所谓的'可区分开'也就是SVM所要实现的二分法。凸集可分离定理说明两个没有交集的凸集是线性可分的，同时，如果两个数据集不能线性分开时，可以通过核函数将数据变为两个凸集，所以凸集可分离定理对核函数生成也有着指导意义。

二、 SVM算法

2.1 超平面与最大间隔

    前面介绍过，能把数据实现二分类的线性分类器称为超平面，SVM算法需要求出最大间隔的超平面，可设超平面为S:{x|pTx=α},由于pTx=α等式两边可除以一个正数就可以把p归一化为单位向量，不妨设p是一个已经处理后的单位向量，此设定不影响SVM算法。一般文献中，超平面通常写成隐函数形式:

S:{x|pTx-α=0}   x∈Rn，p∈Rn，||p||=1

由几何知识可知，空间任意一点x到超平面S的距离公式为：

属于两个分类的支持向量到该超平面的距离都为d , d>0,由于支持向量是各自分类数据中，距离超平面最近的点，针对所有数据有以下不等式：

    ​​      ⑴

公式(1)两边同除以d,可得： ​​ ,使用换元法，令：

                               ⑵

这样就得到约束条件常见形式:

                             ⑶

接下来要把公式(3)脱掉绝对值符号，SVM是一个二分类问题:可设定ωTx+b>=1时分类标签y=1;ωTx+b<=-1时分类标签y=-1,这样一来,所有的数据都有不等式：

y(ωTx+b)>=1                  ④

再回过头来看换元设定，ω=pT/d,等式两边取范数运算有：||ω||=||pT||/d=1/d,可得d=1/||ω||,SVM算法需要在满足公式4约束的基础上，使得间隔距离d最大。假设待分类数据共有m个，实现SVM算法等同于求解一个带有不等式约束的非线性规划问题：

上面的问题也可以表述为求最小值的问题：

 ⑤

超平面实现分类效果、以及各个参数之间关系可参考下图：

2.2 最大软间隔

    实践中由于异常数据的存在，导致超平面不能完全将数据分为两部分，如下图：

两个分类中混杂了少量的异常数据，除去极少数的异常点，上图中超平面能分离大多数样本。⑤式引入松弛变量后可以兼容上图的情形：

（5.1）

​​

正常情况下等于0，表示样本点分列在支持向量的两侧；>0时代表的是异常数据：当0<<1时，代表数据在超平面与支持向量之间，如上图中的点2和点4；而>1时代表数据到了对方空间中，如上图的点1和点3。满足(5.1)式的间隔称为软间隔，软间隔优化结果不仅需要支持向量的间隔最大，还要使得各个尽量的小。换句话说，超平面确定后，被定义为异常数据的样本个数要尽量的少。

三、求解带约束的非线性规划问题

    SVM算法最后归结为求解式(5),这是一个有约束的非线性规划问题，接下来通过两种方法求解，一种方案是利用之前介绍惩罚函数，优点是简单直接容易理解，不受约束条件数量的限制；另一种方案是数学解析法，其原理是拉格朗日对偶原理的应用，计算中涉及到对偶问题、鞍点、SMO算法等，解析法是一种理论性较强方法。

 

3.1 拉格朗日对偶 

3.1.1 对偶问题

    为后期求导方便，将公式（5）的目标函数f(ω)改为：

乘以一个正数后与之前优化问题是等效的，新的目标函数与约束条件合成一个函数L(ω,b,α)：

​​

L(ω,b,α)称为拉格朗日函数，由于yi(ωTxi+b)-1>=0,αi≥0,在可行区内恒有L(ω,b,α)<=f(ω)，如有常数ω*,b*,α*满足下面关系：

L(ω*,b*,α)<=L(ω*,b*,α*)<=L(ω,b,α*)  ⑥

称ω*,b*,α*是L(ω,b,α)函数的鞍点，此时ω*,b*是原问题的最优解。观察⑥式，L(ω*,b*,α)是仅含有参数α的函数，产生这个函数的过程是：ω,b分别取不同的值，代入L(ω,b,α)后得到一系列参数为α的函数簇Φ，当ω=ω*,b=b*时，函数L(ω*,b*,α)是函数簇Φ中下界函数，图像上看，L(ω*,b*,α)在函数簇Φ所有函数的下方，L(ω*,b*,α)函数可用θ(α)=inf{L(ω,b,α)}表示，inf意为取得函数簇Φ的下界，当α=α*时，函数θ(α)有最大值，即L(ω*,b*,α)<=L(ω*,b*,α*)；而α取不同值代入L(ω,b)后得到一系列参数为ω,b的函数簇Ψ，L(ω,b,α*)代表函数簇Ψ的上界函数，公式表示:φ(ω,b)=L(ω,b,α*)=sup{L(α)}，当ω=ω*,b=b*时φ(ω,b)有最小值L(ω*,b*,α*)。

    ⑥式不等式形式称为弱对偶条件，当取等号时，L(ω*,b*,α*)是θ(α)函数最大值，同时也是φ(ω,b)函数最小值，此时为强对偶条件。SVM默认是满足强对偶条件的，满足强对偶条件时，max{θ(α)}=L(ω*,b*,α*)=min{f(ω)} ,也称下面的⑦与⑤是拉格朗日对偶问题：

max ： θ(α)=inf{L(ω,b,α)}        

s.t. α>=0     ⑦

上面过程没有给出鞍点就是K-T点证明、强对偶成立的条件，可参考相关资料详细研究，拉格朗日函数鞍点示意图如下：

​​

上图中红色虚线代表ω,b分别取不同的值，代入L(ω,b,α)后得到一系列参数为α的函数簇Φ，绿色点代表函数簇Φ中每个函数最大值；绿色虚线为α取不同值代入L(ω,b,α)后得到一系列参数为ω,b的函数簇Ψ，红色点代表函数簇Ψ中每个函数最小值。显然函数簇Φ中下界函数θ(α)的最大值、函数簇Ψ上界函数φ(ω,b)的最小值，两点重合，该点为拉格朗日鞍点。

    求⑦最大值时首选要知道函数θ(α)的具体形式，已经知道，θ(α)是函数簇Φ的下界函数，函数簇Φ是把L(ω,b,α)中α视为符号常量、ω,b视为变量，那么求L(ω,b)最小值时，求导等于0时，ω,b都将是α函数，将ω,b代入L(ω,b,α)中即可得到θ(α)。

​​

​​                                  （7.1）

                    （7.2）

(7.1)代入拉格朗日函数L(ω,b,α)可得：

​​

由于 ​​ ,所以上式可化为：

θ(α)= ⑧

求 max:θ(α)即可得到SVM的最优解，⑧是一个二次凸优化问题，求解⑧通用办法是利用SMO算法。

3.1.2 SMO算法

    介绍SMO算法之前，先结合软间隔定义(5.1)式看看参数αi除了满足(7.1)、(7.2)还有其他哪些特性。软间隔要求间隔最大基础上，松弛变量总体要小，即得到超平面之后，被定义为异常数据样本数量要尽量的少。按照这个定义生成新的拉格朗日函数：

（8.1）

求解上式最小值的过程中，逐渐增大C将使值变小，C是惩罚系数。按照对偶函数思想，为得到下界函数θ(α)，先对其他参数求偏导得到以下等式组：

​​

条件前两个结果之前已经推导过，最后一个条件说明0≤αi≤C。

   SMO算法用坐标上升法来实现参数优化，该方法在之前文章中介绍过，详细可参考链接:梯度下降法。简略回顾下，坐标上升法选择一个参数vi同时固定并初始化其他变量，目标函数此时变为vi的函数，求导并置零后，vi变为其他固定变量的函数，代入初始值后，得到vi优化值，再切换到下一个变量，重复以上操作直至函数值收敛，得到最优解。

    由于有条件存在，若选择αi以外的变量固定，αi一定是个常量，所以SMO算法通常一次取两个变量后固定其余的变量。不妨设先取α1 、α2(注意，下标1和2不代表第一个样本和第二个样本),此时其他变量被初始化而固定，得到以下等式：

​​    ⑨

上式中ζ是一个常数，上式代入到⑧式中，目标函数θ(α)变为只含有α2的函数：

​​

K(xi,xj)代表利用核函数求两个样本向量的泛函，本篇中K是个内积函数，求θ(α2)的梯度：

​​

在α2初始值基础上，沿着梯度方向前进是最大值方向，这样就得到α2新的值：

           ⑩

得到α2新的值后接下来求α新的值：

 （10.1）

通过公式⑩得到α2新的值，实质是沿着梯度方向前进，且步长为1，如果读者了解一维搜索算法，能看出这里步长应该是计算出来的，不能盲目直接设置为1。步长系数的确定，在SMO算法中体现为对α1、α2新值的进一步裁剪。再回过头来看公式⑨，根据y1,y2是否同号，α1、α2会有以下两种线性关系：

y1≠y2时：α1-α2=k

y1=y2时：α1+α2=k

根据k为正负情况，以上两种线性关系可用下图表示：

 

余下文章请点击链接    SVM详解

​ ​​