用人话讲明白支持向量机SVM（下）

2019-07-20 本文已影响2人化简可得

4.求解超平面

上篇仅介绍了SVM的基本概念，本篇着重讲解SVM中的最佳线性分类器（最大边界超平面）是如何求得的。

4.1几何间隔

上一小节给出二维问题下最佳线性分割的标准，就是分割线到两类边界点的距离最“宽”，那么这个“宽度”怎么量化和求解呢？

我们知道，点 $(x_{0} ,y_{0})$ 到直线 $Ax+By+c=0$ 的距离（中学的知识点），可以表示为：
$D=\frac{|Ax_{0}+By_{0}+c|} {\sqrt{A^{2}+B^{2}}}$

在我们的二维问题中，第i个点的坐标为 $X_{i}=(x_{i1},x_{i2})^{T}$ ，直线为 $w_{1}x_{1}+w_{2}x_{2}+b=W^{T}X+b=0$ （为了打公式方便，后面我们不区分向量和其转置，省略T标志，统一写成 $WX+b=0$ ），将上式替换， $X_{i}$ 到分割直线的距离为：
$D=\frac{|WX_{i}+b|} {\sqrt{w_{1}^{2}+w_{2}^{2}}}=\frac{|WX_{i}+b|} {||W||}$

有的人也许对分母||W||感到陌生，这里多做点解释。

||W||是向量W的2-范数（ $L_{2}$ 范数），一般我们说向量长度，指的是向量的2-范数。例如这里的 $W=(w_{1},w_{2})$ ，它的2-范数就是 $||W||_{2}=\sqrt{w_{1}^{2}+w_{2}^{2}}$ （通常会省略下标2，一般说||W||就是指 $||W||_{2}$ ），而它的p-范数（ $L_{p}$ 范数）就是 $||W||_{p}=\sqrt[p]{w_{1}^{p}+w_{2}^{p}}$ 。

这里给出向量范数的一般形式：对于n维向量 $W=(w_{1},w_{2},...,w_{n})$ ，它的p-范数为：
$||W||_{p}=\sqrt[p]{w_{1}^{p}+w_{2}^{p}+...+w_{n}^{p}}$

$D=\frac{|WX_{i}+b|} {||W||}$ 这个公式的学名叫做几何间隔，几何间隔表示的是点到超平面的欧氏距离（还记得上次讲线性回归时强调要记住这个名称吧？）。

以上是单个点到某个超平面的距离定义（在这个具体的二维例子中是一条直线，我们认为直线也是属于超平面的一种，后面统一写超平面的时候，不要觉得混乱哦）。上一节我们说要求最宽的“宽度”，最厚的“厚度”，其实就是求支持向量到超平面的几何间隔最大值。

回到二维问题，令“马路宽度”为2d，即最佳分割线到两类支持向量的距离均为d，最佳分割线参数的求解目标就是使d最大。

4.2凸二次规划

假设L1是其中一条过+1类支持向量且平行于 $WX+b=0$ 的直线，L2是过-1类支持向量且平行于 $WX+b=0$ 的直线，这L1和L2就确定了这条马路的边边，L是马路中线。

由于确定了L的形式是 $WX+b=0$ ，又因为L1、L2距离L是相等的，我们定义L1为 $WX+b=1$ ，L2为 $WX+b=-1$ 。为什么这两条平行线的方程右边是1和-1？其实也可以是2和-2，或者任意非零常数C和-C，规定1和-1只是为了方便。就像2x+3y+1=0和4x+6y+2=0是等价的，方程同乘一个常数后并不会改变。

确定了三条线的方程，我们就可以求马路的宽度2d。2d是L1和L2这两条平行线之间的距离：
$2d=\frac{|1-(-1)|}{||W||}=\frac{2}{||W||}$

4.1小节我们讲了现在的目标是最大化几何间隔d，由于 $d=\frac{1}{||W||}$ ，问题又转化成了最小化||W||。对于求min||W||，通常会转化为求 $min\frac{||W||^{2}}{2}$ ，为什么要用平方后除以2这个形式呢？这是为了后面求解方便（还记得上次讲线性回归讲到的凸函数求导吗？）。

||W||不可能无限小，因为还有限制条件呢。超平面正确分类意味着点i到超平面的距离恒大于等于d，即:
$\frac{|WX_{i}+b|}{||W||}\geq d=\frac{1}{||W||}$
两边同乘||W||，简化为：
$|WX_{i}+b|=y_{i}(WX_{i}+b)\geq 1$

$|WX_{i}+b|=y_{i}(WX_{i}+b)$ 应该不难理解吧？因为y只有两个值，+1和-1。

如果第i个样本属于+1类别， $y_{i}>0$ ，同时 $WX_{i}+b>0$ ，两者相乘也大于0；
若属于-1类， $y_{i}<0$ ， $WX_{i}+b<0$ ，此时相乘依旧是大于0的。

这意味着 $y_{i}(WX_{i}+b)$ 恒大于0，y起到的作用就和绝对值一样。之所以要用y替换绝对值，是因为y是已知样本数据，方便后面的公式求解。

我们将这个目标规划问题用数学语言描述出来。

目标函数：

约束条件：

这里约束条件是W的多个线性函数（n代表样本个数），目标函数是W的二次函数（再次提醒，X、y不是变量，是已知样本数据），这种规划问题叫做凸二次规划。

什么叫凸二次规划？之前讲线性回归最小二乘法时，提到了处处连续可导且有最小值的凸函数。从二维图形上理解“凸”，就是在一个“凸”形中，任取其中两个点连一条直线，这条线上的点仍然在这个图形内部，例如 $f(x)=x^{2}$ 上方的区域。

当一个约束优化问题中，目标函数和约束函数是凸函数（线性函数也是凸函数），该问题被称为凸优化问题。当凸优化问题中的目标函数是一个二次函数时，就叫做凸二次规划，一般形式为：

若上式中的Q为正定矩阵，则目标函数有唯一的全局最小值。我们的问题中，Q是一个单位矩阵。

4.3拉格朗日乘数法

这种不等式条件约束下的求多元函数极值的问题，到底怎么求解呢？

【以下涉及高等数学知识，推导过程较为复杂，数学基础较弱或对推导没兴趣的同学可以跳过，直接看第5小节】

当我们求一个函数 $f(x,y)$ 的极值时，如果不带约束，分别对x，y求偏导，令两个偏导等于0，解方程即可。这种是求无条件极值。

带约束的话则为条件极值，如果约束为等式，有时借助换元法可以将有条件转化为无条件极值从而求解，不过换元消元也只能解决三元以内的问题。而拉格朗日乘数法可以通过引入新的未知标量（拉格朗日乘数 $\lambda$ ），直接求多元函数条件极值，不必先把问题转化为无条件极值的问题。

求函数 $f(x,y)$ 在附加条件 $\varphi(x,y)=0$ 下可能的极值点，可以先做拉格朗日函数：

讲完拉格朗日乘数法的思路，仍解决不了上面的问题，因为该问题约束条件是不等式。其实，解决办法很简单，分成两部分看就行。

为了看起来简洁，我们令目标函数 $min\frac{||W||^{2}}{2}$ 为 $minf(W)$ ，约束条件 $y_{i}(WX_{i}+b)-1\geq 0$ 为 $g_{i}(W)\geq 0$ 。

当可行解W落在 $g_{i}(W)>0$ 区域内时，此时的问题就是求无条件极值问题（因为极小值已经包含在整个大区域内），直接极小化 $f(W)$ 就行；
当可行解W落在 $g_{i}(W)=0$ 区域内时，此时的问题就是等式约束下的求极值问题，用拉格朗日乘数法求解即可。

这两部分对应到样本上，又是什么？

当可行解落在 $g_{i}(W)>0$ 内时，此时i这个样本点是“马路”之外的点；
当可行解落在 $g_{i}(W)=0$ 内时，此时i这个样本点正好落在马路边上，也就是我们的支持向量！

我们再进一步思考下：

当可行解落在 $g_{i}(W)>0$ 内时，此时约束不起作用（即求无条件极值），也就是拉格朗日乘数 $\lambda_{i}=0$ ；
当可行解落在边界上时， $\lambda_{i}\neq 0$ ， $g_{i}(W)=0$ 。

不论是以上哪种情况， $\lambda_{i} g_{i}(W)=0$ 均成立。

搞懂了上面说的，接下来构造拉格朗日函数，n个不等式约束都要加拉格朗日函数 $\lambda_{i} \geq 0$ ，有拉格朗日乘数向量 $\lambda =(\lambda_{1},...\lambda_{n})^{T}$ ：

$L(W,b,\lambda ) = f(W)- \sum_{1}^{n} \lambda_{i} g_{i}(W)=\frac{||W||^{2}}{2} - \sum_{1}^{n} \lambda_{i}y_{i}(WX_{i}+b) +\sum_{1}^{n} \lambda_{i} \tag{1}$

要求极值，先对参数求偏导：

$\frac{\partial L}{\partial W}=W-\sum_{1}^{n} \lambda_{i}y_{i}X_{i}=0 \tag{2}$

$\frac{\partial L}{\partial b}=\sum_{1}^{n} \lambda_{i}y_{i}=0 \tag{3}$

此时又要引入一个概念——对偶问题（可见学明白SVM需要的数学知识真的很多，怪不得是机器学习入门的拦路虎呢），关于对偶问题，可以参见这篇文章，这里不赘述。简单而言，就是原先的问题是先求L对 $\lambda$ 的max再求对W、b的min，变成先求L对W、b的min再求 $\lambda$ 的max。

将(2)式 $W=\sum_{1}^{n} \lambda_{i}y_{i}X_{i}$ 代入(1)式，得：

$L = \frac{1}{2}(\sum_{1}^{n} \lambda_{i}y_{i}X_{i})(\sum_{1}^{n} \lambda_{i}y_{i}X_{i}) - \sum_{1}^{n} \lambda_{i}y_{i} ((\sum_{1}^{n} \lambda_{i}y_{i}X_{i})X_{i}+b) +\sum_{1}^{n} \lambda_{i}$
$= \sum_{1}^{n} \lambda_{i} - \frac{1}{2}(\sum_{i=1}^{n} \sum_{j=1}^{n} \lambda_{i} \lambda_{j}y_{i}y_{j}X_{i}^{T}X_{j}) \tag{4}$

此时目标函数中W、b就都被消去了，约束最优化问题就转变成：
目标函数：
$minL(\lambda ) = min(\frac{1}{2}\sum_{i=1}^{n} \sum_{j=1}^{n} \lambda_{i} \lambda_{j}y_{i}y_{j}X_{i}^{T}X_{j}-\sum_{1}^{n} \lambda_{i} ) \tag{5}$

约束条件：

$\sum_{1}^{n} \lambda_{i}y_{i}=0 , \lambda_{i} \geq 0 \tag{6}$
$\lambda_{i}( y_{i}(WX_{i}+b)-1) = 0, i=1,2...n \tag{7}$

(6)式来自上面的(3)式，(7)式是由 $\lambda_{i} g_{i}(W)=0$ 而来。如果能解出上面这个问题的最优解，我们就可以根据这个 $\lambda$ 求解出我们需要的W和b。

5.线性可分问题小结

最大边界超平面是由支持向量决定的，支持向量是边界上的样本点：

假设有m个支持向量，则 $W=\sum_{1}^{m} \lambda_{i}y_{i}X_{i}$ ；
从m个支持向量中任选一个，可以求 $b=y_{i}-WX_{i}$ ；
决策函数 $h(x)=Sign(W^{T}X+b)=Sign[\sum_{1}^{m} (\lambda_{i}y_{i}X_{i}^{T})X+b]$ ；
对新样本 $X_{*}$ 的预测： $Sign(W^{T}X_{*}+b)$ ， $W^{T}X_{*}+b$ 为正则 $y_{*}=1$ ，为负则 $y_{*}=-1$ ，为0拒绝判断。

至此我们讲完了线性分类支持向量机的逻辑思想和求解过程，但这些只是SVM的基础知识，真正的核心其实还没有讲到。要知道，SVM的优势在于解决小样本、非线性和高维的回归和二分类问题（Support vector machine,SVM，1992， Boser, Guyon and Vapnik)。

小样本，是指与问题的复杂度相比，SVM要求的样本数相对较少；
非线性，是指SVM擅长应付样本数据线性不可分的情况，主要通过核函数和松弛变量来实现，这一块才是SVM的精髓。由于这一系列文章是我的机器学习入门笔记，所以暂时不会涉及，等入门系列结束后也许会更深入地研究；
高维，是指样本维数很高，因为SVM 产生的分类器很简洁，用到的样本信息很少，仅仅用到支持向量。由于分类器仅由支持向量决定，SVM还能够有效避免过拟合。

参考链接：

从超平面到SVM（一）
从超平面到SVM（二）
多元函数的极值及其求法
 关于SVM数学细节逻辑的个人理解（二）

本文首发于知乎：机器学习笔记02-支持向量机SVM（下）