20 支持向量机¶
约 497 个字 3 张图片 预计阅读时间 2 分钟
问题背景
将一数据集 \(S\) 分为 \(C_1,C_2\) 两类，每个数据有 \(n\) 个特征。我们应该如何通过训练集来找出一个超平面，使得它判别效果最好？
问题描述¶
我们拟将一数据集 \(S\) 分为 \(C_1,C_2\) 两类。每个数据有 \(n\) 个特征，用 \(n\) 维实向量表示，我们有训练集 \(S'=\{\mathbf{x}_1,\cdots,\mathbf{x}_m\}\)，其中 \(\mathbf{x}_i\in \mathbb{R}^n\)，记 \(y_i=\begin{cases}1, \mathbf{x}_i\in C_1\\-1, \mathbf{x}_i\in C_2\end{cases}\)。
假设训练集可线性分离，即存在超平面 \(\mathbf{w}\cdot\mathbf{x}+b=0\)，使得对于所有 \(i\)，有 \(y_i(\mathbf{w}\cdot\mathbf{x}_i+b)>0\)。
超平面
设 \(\mathbf{w}\) 为 \(n\) 维实向量，\(b\) 为实数，\(\mathbf{w}\cdot\mathbf{x}+b=0\) 称为 \(\mathbb{R}^n\) 中的超平面。
- \(\mathbb{R}^n\) 中的点 \(\mathbf{x}\) 到超平面 \(\mathbf{w}\cdot\mathbf{x}+b=0\) 的距离为 \(\frac{|\mathbf{w}\cdot\mathbf{x}+b|}{\|\mathbf{w}\|}\)。
- 若 \(\mathbf{w} \cdot \mathbf{w} =1\)，则距离为 \(|\mathbf{w}\cdot\mathbf{x}+b|\)。
我们现在要做的是找到一个超平面，使得它到两类数据的距离最大（判别效果最好）。
数学规划¶
根据上面的描述，我们可以得到如下的数学规划问题：
\[
\begin{aligned}
&\max \min\limits_{i=1,\cdots,m} |\mathbf{w}\cdot\mathbf{x}_i+b|\\s.t.\quad&y_i(\mathbf{w}\cdot\mathbf{x}_i+b)\geq 0,i=1,\cdots,m\\&\|\mathbf{w}\|=1
\end{aligned}
\]
本目标含绝对值与极小值，约束含二次函数，极难计算。我们将绝对值去掉，得到如下的数学规划问题：
\[
\begin{aligned}
&\max \min\limits_{i=1,\cdots,m} y_i(\mathbf{w}\cdot\mathbf{x}_i+b)\\s.t.\quad &\|\mathbf{w}\|=1
\end{aligned}
\]
证明可以转换
但此时目标含极小值，约束含二次函数，依旧难以计算。我们将极小值去掉，得到如下的数学规划问题：
\[
\begin{aligned}
&\min \|\mathbf{w}\| \\s.t.\quad &y_i(\mathbf{w}\cdot\mathbf{x}_i+b)\geq1
\end{aligned}
\]
证明可以转换
