台湾大学林轩田机器学习技法课程学习笔记3 -- Kernel Support Vector Machine

这里写图片描述

我的CSDN博客地址:红色石头的专栏
我的知乎主页:红色石头
我的微博:RedstoneWill的微博
我的GitHub:RedstoneWill的GitHub
我的微信公众号:红色石头的机器学习之路(ID:redstonewill)
欢迎大家关注我!共同学习,共同进步!

上节课我们主要介绍了SVM的对偶形式,即dual SVM。Dual SVM也是一个二次规划问题,可以用QP来进行求解。之所以要推导SVM的对偶形式是因为:首先,它展示了SVM的几何意义;然后,从计算上,求解过程“好像”与所在维度$\hat d$无关,规避了$\hat d$很大时难以求解的情况。但是,上节课的最后,我们也提到dual SVM的计算过程其实跟$\hat d$还是有关系的。那么,能不能完全摆脱对$\hat d$的依赖,从而减少SVM计算量呢?这就是我们本节课所要讲的主要内容。

Kernel Trick

我们上节课推导的dual SVM是如下形式:

这里写图片描述

其中$\alpha$是拉格朗日因子,共N个,这是我们要求解的,而条件共有N+1个。我们来看向量$Q_D$中的$q_{n,m}=y_ny_mz_n^Tz_m$,看似这个计算与$\hat d$无关,但是$z_n^Tz_m$的内积中不得不引入$\hat d$。也就是说,如果$\hat d$很大,计算$z_n^Tz_m$的复杂度也会很高,同样会影响QP问题的计算效率。可以说,$q_{n,m}=y_ny_mz_n^Tz_m$这一步是计算的瓶颈所在。

其实问题的关键在于$z_n^Tz_m$内积求解上。我们知道,z是由x经过特征转换而来:

$$z_n^Tz_m=\Phi(x_n)\Phi(x_m)$$

如果从x空间来看的话,$z_n^Tz_m$分为两个步骤:1. 进行特征转换$\Phi(x_n)$和$\Phi(x_m)$;2. 计算$\Phi(x_n)$与$\Phi(x_m)$的内积。这种先转换再计算内积的方式,必然会引入$\hat d$参数,从而在$\hat d$很大的时候影响计算速度。那么,若把这两个步骤联合起来,是否可以有效地减小计算量,提高计算速度呢?

我们先来看一个简单的例子,对于二阶多项式转换,各种排列组合为:

这里写图片描述

这里提一下,为了简单起见,我们把$x_0=1$包含进来,同时将二次项$x_1x_2$和$x_2x_1$也包含进来。转换之后再做内积并进行推导,得到:

这里写图片描述

其中$x^Tx’$是x空间中特征向量的内积。所以,$\Phi_2(x)$与$\Phi_2(x’)$的内积的复杂度由原来的$O(d^2)$变成$O(d)$,只与x空间的维度d有关,而与z空间的维度$\hat d$无关,这正是我们想要的!

至此,我们发现如果把特征转换和z空间计算内积这两个步骤合并起来,有可能会简化计算。因为我们只是推导了二阶多项式会提高运算速度,这个特例并不具有一般推论性。但是,我们还是看到了希望。

我们把合并特征转换和计算内积这两个步骤的操作叫做Kernel Function,用大写字母K表示。例如刚刚讲的二阶多项式例子,它的kernel function为:

$$K_{\Phi}(x,x’)=\Phi(x)^T\Phi(x’)$$

$$K_{\Phi_2}(x,x’)=1+(x^Tx’)+(x^Tx’)^2$$

有了kernel function之后,我们来看看它在SVM里面如何使用。在dual SVM中,二次项系数$q_{n,m}$中有z的内积计算,就可以用kernel function替换:

$$q_{n,m}=y_ny_mz_n^Tz_m=y_ny_mK(x_n,x_m)$$

所以,直接计算出$K(x_n,x_m)$,再代入上式,就能得到$q_{n,m}$的值。

$q_{n,m}$值计算之后,就能通过QP得到拉格朗日因子$\alpha_n$。然后,下一步就是计算b(取$\alpha_n$>0的点,即SV),b的表达式中包含z,可以作如下推导:

$$b=y_s-w^Tz_s=y_s-(\sum_{n=1}^N\alpha_ny_nz_n)^Tz_s=y_s-\sum_{n=1}^N\alpha_ny_n(K(x_n,x_s))$$

这样得到的b就可以用kernel function表示,而与z空间无关。

最终我们要求的矩$g_{SVM}$可以作如下推导:

$$g_{SVM}(x)=sign(w^T\Phi(x)+b)=sign((\sum_{n=1}^N\alpha_ny_nz_n)^Tz+b)=sign(\sum_{n=1}^N\alpha_ny_n(K(x_n,x))+b)$$

至此,dual SVM中我们所有需要求解的参数都已经得到了,而且整个计算过程中都没有在z空间作内积,即与z无关。我们把这个过程称为kernel trick,也就是把特征转换和计算内积两个步骤结合起来,用kernel function来避免计算过程中受$\hat d$的影响,从而提高运算速度。

这里写图片描述

那么总结一下,引入kernel funtion后,SVM算法变成:

这里写图片描述

分析每个步骤的时间复杂度为:

这里写图片描述

我们把这种引入kernel function的SVM称为kernel SVM,它是基于dual SVM推导而来的。kernel SVM同样只用SV($\alpha_n$>0)就能得到最佳分类面,而且整个计算过程中摆脱了$\hat d$的影响,大大提高了计算速度。

Polynomial Kernel

我们刚刚通过一个特殊的二次多项式导出了相对应的kernel,其实二次多项式的kernel形式是多种的。例如,相应系数的放缩构成完全平方公式等。下面列举了几种常用的二次多项式kernel形式:

这里写图片描述

比较一下,第一种$\Phi_2(x)$(蓝色标记)和第三种$\Phi_2(x)$(绿色标记)从某种角度来说是一样的,因为都是二次转换,对应到同一个z空间。但是,它们系数不同,内积就会有差异,那么就代表有不同的距离,最终可能会得到不同的SVM margin。所以,系数不同,可能会得到不同的SVM分界线。通常情况下,第三种$\Phi_2(x)$(绿色标记)简单一些,更加常用。

这里写图片描述

不同的转换,对应到不同的几何距离,得到不同的距离,这是什么意思呢?举个例子,对于我们之前介绍的一般的二次多项式kernel,它的SVM margin和对应的SV如下图(中)所示。对于上面介绍的完全平方公式形式,自由度$\gamma=0.001$,它的SVM margin和对应的SV如下图(左)所示。比较发现,这种SVM margin比较简单一些。对于自由度$\gamma=1000$,它的SVM margin和对应的SV如下图(右)所示。与前两种比较,margin和SV都有所不同。

这里写图片描述

通过改变不同的系数,得到不同的SVM margin和SV,如何选择正确的kernel,非常重要。

归纳一下,引入$\zeta\geq 0$和$\gamma>0$,对于Q次多项式一般的kernel形式可表示为:

这里写图片描述

所以,使用高阶的多项式kernel有两个优点:

  • 得到最大SVM margin,SV数量不会太多,分类面不会太复杂,防止过拟合,减少复杂度

  • 计算过程避免了对$\hat d$的依赖,大大简化了计算量。

这里写图片描述

顺便提一下,当多项式阶数Q=1时,那么对应的kernel就是线性的,即本系列课程第一节课所介绍的内容。对于linear kernel,计算方法是简单的,而且也是我们解决SVM问题的首选。还记得机器学习基石课程中介绍的奥卡姆剃刀定律(Occam’s Razor)吗?

Gaussian Kernel

刚刚我们介绍的Q阶多项式kernel的阶数是有限的,即特征转换的$\hat d$是有限的。但是,如果是无限多维的转换$\Phi(x)$,是否还能通过kernel的思想,来简化SVM的计算呢?答案是肯定的。

先举个例子,简单起见,假设原空间是一维的,只有一个特征x,我们构造一个kernel function为高斯函数:

$$K(x,x’)=e^{-(x-x’)^2}$$

构造的过程正好与二次多项式kernel的相反,利用反推法,先将上式分解并做泰勒展开:

这里写图片描述

将构造的K(x,x’)推导展开为两个$\Phi(x)$和$\Phi(x’)$的乘积,其中:

$$\Phi(x)=e^{-x^2}\cdot (1,\sqrt \frac{2}{1!}x,\sqrt \frac{2^2}{2!}x^2,\cdots)$$

通过反推,我们得到了$\Phi(x)$,$\Phi(x)$是无限多维的,它就可以当成特征转换的函数,且$\hat d$是无限的。这种$\Phi(x)$得到的核函数即为Gaussian kernel。

更一般地,对于原空间不止一维的情况(d>1),引入缩放因子$\gamma>0$,它对应的Gaussian kernel表达式为:

$$K(x,x’)=e^{-\gamma||x-x’||^2}$$

那么引入了高斯核函数,将有限维度的特征转换拓展到无限的特征转换中。根据本节课上一小节的内容,由K,计算得到$\alpha_n$和b,进而得到矩$g_{SVM}$。将其中的核函数K用高斯核函数代替,得到:

$$g_{SVM}(x)=sign(\sum_{SV}\alpha_ny_nK(x_n,x)+b)=sign(\sum_{SV}\alpha_ny_ne^{(-\gamma||x-x_n||^2)}+b)$$

通过上式可以看出,$g_{SVM}$有n个高斯函数线性组合而成,其中n是SV的个数。而且,每个高斯函数的中心都是对应的SV。通常我们也把高斯核函数称为径向基函数(Radial Basis Function, RBF)。

这里写图片描述

总结一下,kernel SVM可以获得large-margin的hyperplanes,并且可以通过高阶的特征转换使$E_{in}$尽可能地小。kernel的引入大大简化了dual SVM的计算量。而且,Gaussian kernel能将特征转换扩展到无限维,并使用有限个SV数量的高斯函数构造出矩$g_{SVM}$。

这里写图片描述

值得注意的是,缩放因子$\gamma$取值不同,会得到不同的高斯核函数,hyperplanes不同,分类效果也有很大的差异。举个例子,$\gamma$分别取1, 10, 100时对应的分类效果如下:

这里写图片描述

从图中可以看出,当$\gamma$比较小的时候,分类线比较光滑,当$\gamma$越来越大的时候,分类线变得越来越复杂和扭曲,直到最后,分类线变成一个个独立的小区域,像小岛一样将每个样本单独包起来了。为什么会出现这种区别呢?这是因为$\gamma$越大,其对应的高斯核函数越尖瘦,那么有限个高斯核函数的线性组合就比较离散,分类效果并不好。所以,SVM也会出现过拟合现象,$\gamma$的正确选择尤为重要,不能太大。

Comparison of Kernels

目前为止,我们已经介绍了几种kernel,下面来对几种kernel进行比较。

首先,Linear Kernel是最简单最基本的核,平面上对应一条直线,三维空间里对应一个平面。Linear Kernel可以使用上一节课介绍的Dual SVM中的QP直接计算得到。

这里写图片描述

Linear Kernel的优点是计算简单、快速,可以直接使用QP快速得到参数值,而且从视觉上分类效果非常直观,便于理解;缺点是如果数据不是线性可分的情况,Linear Kernel就不能使用了。

这里写图片描述

然后,Polynomial Kernel的hyperplanes是由多项式曲线构成。

这里写图片描述

Polynomial Kernel的优点是阶数Q可以灵活设置,相比linear kernel限制更少,更贴近实际样本分布;缺点是当Q很大时,K的数值范围波动很大,而且参数个数较多,难以选择合适的值。

这里写图片描述

对于Gaussian Kernel,表示为高斯函数形式。

这里写图片描述

Gaussian Kernel的优点是边界更加复杂多样,能最准确地区分数据样本,数值计算K值波动较小,而且只有一个参数,容易选择;缺点是由于特征转换到无限维度中,w没有求解出来,计算速度要低于linear kernel,而且可能会发生过拟合。

这里写图片描述

除了这三种kernel之外,我们还可以使用其它形式的kernel。首先,我们考虑kernel是什么?实际上kernel代表的是两笔资料x和x’,特征变换后的相似性即内积。但是不能说任何计算相似性的函数都可以是kernel。有效的kernel还需满足几个条件:

  • K是对称的

  • K是半正定的

这两个条件不仅是必要条件,同时也是充分条件。所以,只要我们构造的K同时满足这两个条件,那它就是一个有效的kernel。这被称为Mercer 定理。事实上,构造一个有效的kernel是比较困难的。

这里写图片描述

Summary

本节课主要介绍了Kernel Support Vector Machine。首先,我们将特征转换和计算内积的操作合并到一起,消除了$\hat d$的影响,提高了计算速度。然后,分别推导了Polynomial Kernel和Gaussian Kernel,并列举了各自的优缺点并做了比较。对于不同的问题,应该选择合适的核函数进行求解,以达到最佳的分类效果。

注明:

文章中所有的图片均来自台湾大学林轩田《机器学习技法》课程

红色石头 wechat
欢迎您扫一扫上面的微信公众号,了解更多AI资源!
坚持原创技术分享,您的支持将鼓励我继续创作!