超詳細白板推導:從模型和優(yōu)化 2 個角度詳解 SVM 核函數(shù)

SVM 白板推導| 由最大間隔化目標演化的損失函數(shù)推導過程 中白板手推了 SVM 的原理滚局,并介紹了硬間隔核函數(shù)的實現(xiàn)原理及公式推導,這一節(jié)我來詳細介紹下 SVM 中的 Keynel Function顽频。

一直以來我們只知道核函數(shù)能讓 SVM 在高維空間中實現(xiàn)非線性可分藤肢,那么,核函數(shù)是在什么情況下被提出的呢糯景?又有哪幾種核函數(shù)呢嘁圈?

本篇文章從 2 個角度講解 SVM 核函數(shù)。

  1. 非線性帶來高維轉(zhuǎn)換 (模型角度)蟀淮,X → Φ(X)
  2. 對偶表示帶來內(nèi)積 (優(yōu)化角度)最住,x_i^Tx_j

從線性可分到線性不可分

如下表中介紹了 感知機 PLA 和 SVM 從線性可分到非線性可分的模型演變結(jié)果。

線性可分 一點點錯誤 嚴格非線性
PLA Pocket Algorithm Φ(X) + PLA?
Hard-Margin SVM Soft-Margin SVM Φ(X) + Hard-Margin SVM

而在線性不可分的情況下怠惶,如果讓模型能夠變得線性可分温学?上面已經(jīng)講了,從 2 個角度來理解甚疟。

1. 非線性帶來高維轉(zhuǎn)換,引入 Φ(X)

我們知道高維空間中的特征比低維空間中的特征更易線性可分逃延,這是一個定理览妖,是可以證明的,這里只需要知道就行揽祥。

那么讽膏,我們就可以想到一個辦法,就是把在輸入空間中的特征通過一個函數(shù)映射到高維空間拄丰。

image

假設(shè)輸入空間有一個點 X=(x_1, x_2)府树,是二維的俐末,我們通過一個函數(shù) Φ(X) 將其映射到三維空間 Z=(x_1,x_2,(x_1-x_2)^2),從二維到三維空間中的表示為:

image

2. 對偶表示帶來內(nèi)積奄侠,引入核函數(shù)

從另一個角度來看卓箫,之前我們已經(jīng)推導出 SVM 的損失函數(shù),Hard-Margin SVM 的對偶問題中垄潮,最終的優(yōu)化問題只與 X 的內(nèi)積有關(guān)烹卒,也即是支持向量有關(guān)。

image

由此弯洗,我們可以將 X 的內(nèi)積表示為 Φ(X) 的內(nèi)積 Φ(x_i)^TΦ(x_j)旅急。

image

而我們現(xiàn)實生活中,可能 Φ(X) 并不是上面舉例的三維或者更高維牡整,而是無限維藐吮,那么 的 Φ(X) 將會非常難求。

image

換個角度思考逃贝,其實我們關(guān)心的只是 Φ(x_i)^TΦ(x_j) 的內(nèi)積谣辞,并不關(guān)心 Φ(X)。有沒有一種方法能直接求出內(nèi)積秋泳?答案是有的潦闲。

我們可以引入核函數(shù) keynel function。

image

如上中的一個核函數(shù)迫皱,我們可以直接求出 X 的內(nèi)積歉闰,避免在高維空間中求 Φ(x_i)^TΦ(x_j)

針對核函數(shù)卓起,我們可以總結(jié)出 3 點和敬。

  1. 當在線性不可分的時候,我們可以將輸入空間中的特征映射到高維空間戏阅,來實現(xiàn)線性可分昼弟。
  2. 在高維空間中,由于計算 Φ(x_i)^TΦ(x_j) 非常困難奕筐,因為 Φ(X) 可能有無限維舱痘。
  3. 因此,我們引入核函數(shù)离赫,將原本需要在高維空間計算的內(nèi)積變成在輸入空間計算內(nèi)積芭逝,也能達到一樣的效果,從而減小計算渊胸。

核函數(shù)存在條件

定理:χ 為輸入空間旬盯,k(?,?) 是定義在 χ×χ上的對稱函數(shù),則 k 是核函數(shù)當且僅當對于任意數(shù)據(jù)D=x_1,x_2,?,x_m,“核矩陣” K 總是半正定的:

image

定理表明胖翰,只要一個對稱函數(shù)所對應的核矩陣半正定接剩,那么它就可以作為核函數(shù)使用。事實上萨咳,對于一個半正定核矩陣懊缺,總能找到一個與之對應的映射 ?(X)。換言之某弦,任何一個核函數(shù)都隱式定義了一個稱為 “再生核希爾伯特空間” 的特征空間桐汤。

常見的核函數(shù)

通過前面的介紹,核函數(shù)的選擇靶壮,對于非線性支持向量機的性能至關(guān)重要怔毛。但是由于我們很難知道特征映射的形式,所以導致我們無法選擇合適的核函數(shù)進行目標優(yōu)化腾降。于是 “核函數(shù)的選擇” 稱為支持向量機的最大變數(shù)拣度,我們常見的核函數(shù)有以下幾種:

image

此外,還可以通過函數(shù)組合得到螃壤,例如:

  • k_1k_2 為核函數(shù)抗果,則對于任意正數(shù) γ_1,γ_2,其線性組合也是核函數(shù)奸晴。γ_1k_1+γ_2k_2
  • k_1k_2 為核函數(shù)冤馏,則核函數(shù)的直積也是核函數(shù)。k_1?k_2(x,z)=k_1(x,z),k_2(x,z)
  • 若k_1k1為核函數(shù)寄啼,則對于任意函數(shù) g(x) 也是核函數(shù)逮光。 k(x,z)=g(x)k_1(x,z)g(z)

對于非線性的情況,SVM 的處理方法是選擇一個核函數(shù) κ(?,?)墩划,通過將數(shù)據(jù)映射到高維空間涕刚,來解決在原始空間中線性不可分的問題。由于核函數(shù)的優(yōu)良品質(zhì)乙帮,這樣的非線性擴展在計算量上并沒有比原來復雜多少杜漠,這一點是非常難得的。

當然察净,這要歸功于核方法——除了 SVM 之外驾茴,任何將計算表示為數(shù)據(jù)點的內(nèi)積的方法,都可以使用核方法進行非線性擴展氢卡。

隨時學丫
最后編輯于
?著作權(quán)歸作者所有,轉(zhuǎn)載或內(nèi)容合作請聯(lián)系作者
  • 序言:七十年代末沟涨,一起剝皮案震驚了整個濱河市,隨后出現(xiàn)的幾起案子异吻,更是在濱河造成了極大的恐慌,老刑警劉巖,帶你破解...
    沈念sama閱讀 217,277評論 6 503
  • 序言:濱河連續(xù)發(fā)生了三起死亡事件诀浪,死亡現(xiàn)場離奇詭異棋返,居然都是意外死亡,警方通過查閱死者的電腦和手機雷猪,發(fā)現(xiàn)死者居然都...
    沈念sama閱讀 92,689評論 3 393
  • 文/潘曉璐 我一進店門睛竣,熙熙樓的掌柜王于貴愁眉苦臉地迎上來,“玉大人求摇,你說我怎么就攤上這事射沟。” “怎么了与境?”我有些...
    開封第一講書人閱讀 163,624評論 0 353
  • 文/不壞的土叔 我叫張陵验夯,是天一觀的道長。 經(jīng)常有香客問我摔刁,道長挥转,這世上最難降的妖魔是什么? 我笑而不...
    開封第一講書人閱讀 58,356評論 1 293
  • 正文 為了忘掉前任共屈,我火速辦了婚禮绑谣,結(jié)果婚禮上,老公的妹妹穿的比我還像新娘拗引。我一直安慰自己借宵,他們只是感情好,可當我...
    茶點故事閱讀 67,402評論 6 392
  • 文/花漫 我一把揭開白布矾削。 她就那樣靜靜地躺著壤玫,像睡著了一般。 火紅的嫁衣襯著肌膚如雪怔软。 梳的紋絲不亂的頭發(fā)上垦细,一...
    開封第一講書人閱讀 51,292評論 1 301
  • 那天,我揣著相機與錄音挡逼,去河邊找鬼括改。 笑死,一個胖子當著我的面吹牛家坎,可吹牛的內(nèi)容都是我干的嘱能。 我是一名探鬼主播,決...
    沈念sama閱讀 40,135評論 3 418
  • 文/蒼蘭香墨 我猛地睜開眼虱疏,長吁一口氣:“原來是場噩夢啊……” “哼惹骂!你這毒婦竟也來了?” 一聲冷哼從身側(cè)響起做瞪,我...
    開封第一講書人閱讀 38,992評論 0 275
  • 序言:老撾萬榮一對情侶失蹤对粪,失蹤者是張志新(化名)和其女友劉穎右冻,沒想到半個月后,有當?shù)厝嗽跇淞掷锇l(fā)現(xiàn)了一具尸體著拭,經(jīng)...
    沈念sama閱讀 45,429評論 1 314
  • 正文 獨居荒郊野嶺守林人離奇死亡纱扭,尸身上長有42處帶血的膿包…… 初始之章·張勛 以下內(nèi)容為張勛視角 年9月15日...
    茶點故事閱讀 37,636評論 3 334
  • 正文 我和宋清朗相戀三年,在試婚紗的時候發(fā)現(xiàn)自己被綠了儡遮。 大學時的朋友給我發(fā)了我未婚夫和他白月光在一起吃飯的照片乳蛾。...
    茶點故事閱讀 39,785評論 1 348
  • 序言:一個原本活蹦亂跳的男人離奇死亡,死狀恐怖鄙币,靈堂內(nèi)的尸體忽然破棺而出肃叶,到底是詐尸還是另有隱情,我是刑警寧澤十嘿,帶...
    沈念sama閱讀 35,492評論 5 345
  • 正文 年R本政府宣布因惭,位于F島的核電站,受9級特大地震影響详幽,放射性物質(zhì)發(fā)生泄漏筛欢。R本人自食惡果不足惜,卻給世界環(huán)境...
    茶點故事閱讀 41,092評論 3 328
  • 文/蒙蒙 一唇聘、第九天 我趴在偏房一處隱蔽的房頂上張望版姑。 院中可真熱鬧,春花似錦迟郎、人聲如沸剥险。這莊子的主人今日做“春日...
    開封第一講書人閱讀 31,723評論 0 22
  • 文/蒼蘭香墨 我抬頭看了看天上的太陽表制。三九已至,卻和暖如春控乾,著一層夾襖步出監(jiān)牢的瞬間么介,已是汗流浹背。 一陣腳步聲響...
    開封第一講書人閱讀 32,858評論 1 269
  • 我被黑心中介騙來泰國打工蜕衡, 沒想到剛下飛機就差點兒被人妖公主榨干…… 1. 我叫王不留壤短,地道東北人。 一個月前我還...
    沈念sama閱讀 47,891評論 2 370
  • 正文 我出身青樓慨仿,卻偏偏與公主長得像久脯,于是被迫代替她去往敵國和親。 傳聞我的和親對象是個殘疾皇子镰吆,可洞房花燭夜當晚...
    茶點故事閱讀 44,713評論 2 354

推薦閱讀更多精彩內(nèi)容