【实验】理解SVM的核函数和参数

导言

支持向量机（SVM）在很多分类问题上曾经取得了当时最好的性能，使用非线性核的支持向量机可以处理线性不可分的问题。仅仅通过一个简单的核函数映射，就能达到如此好的效果，这让我们觉得有些不可思议。核函数过于抽象，在本文中，SIGAI将通过一组实验来演示核函数的有效性，并解释支持向量机各个参数所起到的作用，让大家对此有一个直观的认识。如果要了解SVM的理论，请阅读我们之前的公众号文章“用一张图理解SVM的脉络”

核映射与核函数

通过核函数，支持向量机可以将特征向量映射到更高维的空间中，使得原本线性不可分的数据在映射之后的空间中变得线性可分。假设原始向量为x，映射之后的向量为z，这个映射为：

在实现时不需要直接对特征向量做这个映射，而是用核函数对两个特征向量的内积进行变换，这样做等价于先对向量进行映射然后再做内积：

在这里K为核函数。常用的非线性核函数有多项式核，高斯核（也叫径向基函数核，RBF）。下表列出了各种核函数的计算公式：

其中γ，b，d为人工设置的参数，d是一个正整数，γ为正实数，b为非负实数。

使用核函数后，支持向量机在训练时求解的对偶问题为：

其中为训练样本，为样本的特征向量，为类别标签，取值为，分别对应正样本和负样本，l为训练样本数。C为惩罚因子，用于对错误分类的训练样本进行惩罚，是一个人工设定的参数。在训练时，如果使用多项式核，需要指定的参数为核函数参数γ，b，以及d。如果选用高斯核，需要指定的参数为γ。无论使用哪种核函数，训练时都要指定惩罚因子C，这是一个大于0的实数。预测时的分类判别函数为：

其中sgn为符号函数，定义为：

 

实验

支持向量机真的能对非线性的数据进行分类吗？不同的训练参数会对分类结果产生什么样的影响？下面我们用一个小实验来验证。在这里，我们对二维平面上512x512像素的图像中的所有点进行分类，有蓝色和红色两类。先用一批样本训练一个模型，然后对平面内所有的点进行分类，分类结果的颜色和训练样本的颜色相同。

首先来看支持向量机能否处理异或问题，这是人工智能里一个很经典的分类问题，两类训练样本分别落在两个对角线上：

显然，用一条直线无论怎样划分都无法将这两类样本正确的分开。下面来看SVM的表现，我们使用线性核，多项式核，高斯核三种核函数进行训练。

首先选用线性核，结果是这样的：

所有样本都被判定成红色。不出所料，使用线性核的SVM是无法解决异或问题的。

接下来选用多项式核。首先将参数设置为：

分类效果非常差：

蓝色的样本只有少数被分对了。下面调整训练参数：

这里只加大了惩罚因子C的子，分类效果如下：

这比之前好了，蓝色的样本有一半被分对。接着调整参数：

分类效果如下：

现在是见证奇迹的时刻！所有训练样本都被正确分类，看来加大C的值非常有效。

下面来看高斯核的表现，如果参数设置为：

分类效果也是非常差：

所有的点都被分成了红色。下面加大惩罚因子的值：

大部分训练样本都可以正确分类：

进一步加大C的值：

效果比刚才更好，所有样本基本上都被正确分类了。

继续调整，加大C的值：

 

所有样本都被正确分类。

如果我们只加大γ的值，也能达到很好的效果：

所有样本同样被正确分类。

 

结论

通过上面的实验我们发现使用多项式核、高斯核的SVM确实是可以解决线性不可分问题的。不同的参数对精度的影响非常大，一般来说，C越大，训练得到的模型越准确。如果采用高斯核，参数γ的值对精度影响也非常大。因此，在实际应用时调一组好的参数对使用效果非常重要！

更正声明

图文《理解凸优化》中，存在以下两个错误：

[1]下图第二行第一列应该是对y和x求导，谢谢小伙伴@Roy及时指正。

[2]下图第二行最后一列应该是对X2和Xn求导，谢谢小伙伴@破晓 及时指正。