【机器学习】——支持向量机

支持向量机（Support Vector Machine, SVM）概述

支持向量机（SVM）是一种用于分类和回归分析的监督学习算法，尤其在分类问题上表现出色。SVM的核心思想是通过在特征空间中寻找一个最佳超平面，将不同类别的样本点尽可能地分开。这个超平面与训练数据点的距离最大化，从而使得分类器对未知数据具有良好的泛化能力。

SVM 的工作原理

1.线性可分数据：对于线性可分的数据，SVM通过寻找一个超平面将数据分为两类。假设有两类数据点（+1类和-1类），SVM的目标是找到一个能够最大化两个类别之间间隔的超平面。 **超平面：**在二维空间中，超平面就是一条直线；在三维空间中，它是一个平面；在更高维的空间中，它是一个超平面。数学上，超平面可以表示为 𝑤^𝑇*𝑥+𝑏=0其中 w 是法向量，定义了超平面的方向，b 是偏置，决定超平面与原点的距离。 **间隔（Margin）：**超平面与数据点之间的最小距离称为间隔。SVM的目标是找到使这个间隔最大化的超平面。数据点距离超平面越远，分类结果越可靠。

2.支持向量：那些位于边界上的数据点称为支持向量。支持向量是定义超平面的关键数据点，因为它们决定了最优超平面的具体位置。移除其他数据点不会影响分类结果。

3.优化问题：SVM的核心是一个凸优化问题，其目标是最大化分类间隔。这个问题可以表示为一个约束优化问题：

约束条件是：

其中，𝑥𝑖是输入样本，𝑦𝑖 是类别标签（+1或-1），w 是权重向量，b 是偏置。

线性不可分数据：软间隔与核技巧

现实数据往往是线性不可分的，因此我们需要对SVM进行扩展。

1.软间隔（Soft Margin）：当数据不可完全线性分离时，SVM引入松弛变量 𝜉𝑖 ，允许部分数据点出现在错误的边界一侧。这样，优化问题变为在最大化间隔的同时，允许一定的分类错误。目标函数更新为：

其中，𝐶 是一个超参数，控制分类错误和间隔大小之间的权衡。

核技巧（Kernel Trick）：当数据在低维空间不可分时，可以通过核技巧将数据映射到高维空间，从而使其线性可分。SVM不需要显式地计算映射后的数据点坐标，而是通过核函数在低维空间中进行高维空间的运算。常见的核函数包括：

线性核：适用于线性可分的数据。 多项式核：处理多项式关系的数据。 高斯核（RBF核）：适用于数据分布较复杂的情况。其形式为：

SVM 的数学形式

通过对偶问题的求解，SVM可以表达为拉格朗日乘子的形式。目标变成了求解下列拉格朗日函数：

其中，αi是拉格朗日乘子。优化后，最终分类器的决策函数可以表示为：

通过核函数 𝐾(𝑥𝑖,𝑥)SVM能够高效处理高维特征空间的计算。

SVM 的优势

强大的泛化能力：SVM通过最大化分类间隔，能有效提升对未知数据的预测准确性。 适应高维数据：SVM能够处理高维特征空间的数据，且在特征数远大于样本数时仍然有效。 使用核技巧：通过核函数，SVM可以处理非线性问题，而无需显式进行高维映射

SVM 的缺点

计算复杂度高：SVM的计算成本较高，尤其在样本数量很大时（因为其复杂度与样本数量呈平方关系）。 超参数调优困难：SVM的性能高度依赖于超参数（如核函数类型、𝐶 参数和 𝛾 参数等）的选择，通常需要交叉验证来确定最佳参数。 不适合大型数据集：在大规模数据集上，SVM的计算效率不如其他算法（如随机森林、神经网络等）。

SVM 的应用

SVM广泛应用于以下领域：

文本分类：如垃圾邮件检测、情感分析等。 图像识别：如人脸识别、手写数字识别等。 基因数据分类：用于生物信息学中的基因数据分析。 时间序列预测：尽管SVM本质上是一种分类算法，但在特定情况下也可用于回归任务。 总结 支持向量机是一种功能强大且理论坚实的分类算法，尤其在处理高维数据和小样本数据上有着显著的优势。SVM通过核函数扩展，能够处理复杂的非线性分类问题。虽然在处理大型数据集时效率较低，但通过合适的参数调整和核函数选择，SVM在许多应用场景中表现出色。