SVM是一种二分类模型，它的基本模型是定义在特征空间上的间隔最大的线性分类器，间隔最大使它有别于感知机（感知机有无数个，间隔最大只有一个）。SVM 适合中小型数据样本、非线性、高维的分类问题。

• 超平面：将不同样本（二分类）分隔开的平面，可图中实线。
• 最大超平面：除了将两类样本分别分割在该超平面的两侧，而且保证两侧距离超平面最近的样本点到超平面的距离被最大化了。
• 支持向量：样本中距离超平面最近的一些点，参考图中红色实心和红色空心点。

• 求解图中两条虚线的间隔最大化，因为距离最大犯错的几率比较小，更具鲁棒性。

  
  支持向量机

  SVM试图寻找一个最优的决策边界，距离两个类别最近的样本最远。SVM还包括核技巧，这使它成为实质上的非线性分类器（定义中讲到SVM的基本模型是一个线性分类器，此处讲的是针对线性不可分的数据集加上核函数的SVM可以看作一个非线性分类器）。SVM的的学习策略就是间隔最大化，可形式化为一个求解凸二次规划的问题，也等价于正则化的合页损失函数的最小化问题。SVM的的学习算法就是求解凸二次规划的最优化算法。

1.理解

1.1 简易求解理解

  假设样本集如下，yi为类标记，当它等于+1时为正例；为-1时为负例。同时假设训练数据集是线性可分的。

样本集，xi为特征向量
  划分超平面为：
超平面
  其中，w = {w1, w2, ... , wd}是一个法向量，决定了超平面的方向；d是特征值的个数；X为训练样本；b为位移项，决定了超平面和原点之间的距离。

• 知识点：点(x, y)到直接Ax + By + C = 0的距离d如下：
  点到直线的距离
  扩展到n维，x = (x1, x2, ... , xn)到直线（面）wx + b = 0的距离如下：
  多维点到直线（面）距离
  其中，||w||等于：
  向量2范数，可理解为向量长度的绝对值

• 求解最大间距(2/||w||)，可理解为求解最小化
  最小化求值

推演辅助：参考首张图SVM需要求解的是wx+b=1和wx+b=-1之间的最大距离，假设点A在wx+b=1上，则最大距离为点A到wx+b=-1的距离：

最大距离推演

1.2 常见求解理解

  几何间隔：对于给定数据集T和超平面，定义超平面关于样本点(xi, yi)的几个间隔为

几何间隔

辅助理解

• 推演步骤1：假设所有样本点到超平面最小的距离为r，则
  假设到超平面最小距离为r
• 推演步骤2：两边同时除去最小的距离为r，得
  不等式两边同时除去r

• 推演步骤3：不等式两边同时乘y，注意y正、负不同情况，得：

  
  不等式两边同时乘y

• 推演步骤4：如下

  
  证明y(w*x+b)>0
• 推演步骤5：因为|y|=1，则
  几何间隔

• 寻找支持向量，即寻找距离超平面几何距离最小的样本点，即支持向量到超平面的距离

  
  几何间隔最小
• 求解最大分割超平面，即求解使r最大的参数，表示为以下约束最优化问题：
  求解超平面约束
    因为||w||和r都是标量，重新定义相关数值如下：
  数值演变，最大化r约等于最小化*||w||*
  则，
  求解超平面约束两边同时除r
    求解间隔r最大化，为||w||最小化，可以辅助理解为：
  不等式约束的凸二次规划，为了方便使用拉格朗日算子计算求解

2.算法原理

2.1 线性算法原理

  已知 SVM 优化的主问题是：

优化问题

• 步骤 1：构造拉格朗日函数

  
  拉格朗日

• 步骤2：利用强对偶性转化

  
  转化过程
  

    最终得到：

  
  转化结果

• 步骤3：利用SMO(Sequential Minimal Optimization，序列最小优化算法)求解由步骤 2 得到的函数：

  
  函数带入

• 步骤4：计算w和b，构造超平面，最终得到分类决策函数

  
  分类决策函数
  阶跃函数

2.2 非线性算法原理：核函数

  对于线性不可分的数据集，如下图，SVM往往会选择一个核函数来处理。

线性不可分

  处理思路一般是将二维线性不可分样本映射到高维空间中，让样本点在高维空间线性可分，比如：

高维展示

• 用 x 表示原来的样本点，用另一个符号表示 x 映射到特征新的特征空间后到新向量

  
  新向量

分割超平面函数

• 后续的计算则根据新的向量进行对偶计算

• 核函数的作用：
  低维空间映射到高维空间后维度可能会很大，如果将全部样本的点乘全部计算好，这样的计算量太大了，有了核函数（能够将特征空间的内积等于它们在原始样本空间中通过函数计算）就不需要计算高维甚至无穷维空间的内积了。
• 常用的核函数：
  线性核LR（主要用于线性可分的情形）、高斯核RBF（主要用于线性不可分的情形）、多项式核，一般情况下高斯核效果是不会差于Linear但是时间上高斯核会耗费更多，
• 吴恩达的见解：
  如果Feature的数量很大，跟样本数量差不多，这时候选用LR或者是Linear Kernel的SVM；
  如果Feature的数量比较小，样本数量一般，不算大也不算小，选用SVM+Gaussian Kernel；
  如果Feature的数量比较小，而样本数量很多，需要手工添加一些feature变成第一种情况。

3.总结

• 支持向量机目前只适合小批量样本的任务，无法适应百万甚至上亿样本的任务
• 最终决策函数只由少数的支持向量所确定，计算的复杂性取决于支持向量的数目，而不是样本空间的维数，这在某种意义上避免了“维数灾难”