SVM算法实现（一）

关键字(keywords)：SVM 支持向量机 SMO算法 实现 机器学习

假设对SVM原理不是非常懂的，能够先看一下入门的视频，对帮助理解非常实用的，然后再深入一点能够看看这几篇入门文章，作者写得挺具体，看完以后SVM的基础就了解得差点儿相同了，再然后买本《支持向量机导论》作者是Nello Cristianini 和 John Shawe-Taylor，电子工业出版社的。然后把书本后面的那个SMO算法实现就基本上弄懂了SVM是怎么一回事，最后再编写一个SVM库出来，比方说像libsvm等工具使用，呵呵，差点儿相同就这样。这些是我学习SVM的整个过程，也算是经验吧。

以下是SVM的简化版SMO算法，我将结合Java代码来解释一下整个SVM的学习训练过程，即所谓的train训练过程。那么什么是SMO算法呢？

SMO算法的目的无非是找出一个函数f(x)，这个函数能让我们把输入的数据x进行分类。既然是分类肯定须要一个评判的标准，比方分出来有两种情况A和B,那么怎么样才干说x是属于A类的，或不是B类的呢？就是须要有个边界，就好像两个国家一样有边界，假设边界越明显，则就越easy区分，因此，我们的目标是最大化边界的宽度，使得很easy的区分是A类还是B类。

在SVM中，要最大化边界则须要最小化这个数值：

w：是參量，值越大边界越明显
C代表惩处系数，即假设某个x是属于某一类，可是它偏离了该类，跑到边界上后者其它类的地方去了，C越大表明越不想放弃这个点，边界就会缩小
代表：松散变量
但问题似乎还不好解，又由于SVM是一个凸二次规划问题，凸二次规划问题有最优解，于是问题转换成下列形式（KKT条件）：

…………(1)

这里的ai是拉格朗日乘子(问题通过拉格朗日乘法数来求解)
对于（a）的情况，表明ai是正常分类，在边界内部（我们知道正确分类的点yi*f(xi)>=0）
对于（b）的情况，表明了ai是支持向量，在边界上
对于（c）的情况，表明了ai是在两条边界之间
而最优解须要满足KKT条件，即满足（a）（b）（c）条件都满足
下面几种情况出现将会出现不满足：

yiui<=1可是ai<C则是不满足的,而原本ai=C
yiui>=1可是ai>0则是不满足的而原本ai=0
yiui=1可是ai=0或者ai=C则表明不满足的，而原本应该是0<ai<C
所以要找出不满足KKT的这些ai，并更新这些ai，但这些ai又受到另外一个约束，即

因此，我们通过还有一个方法，即同一时候更新ai和aj，满足下面等式

就能保证和为0的约束。

利用y_ia_i+y_ja_j=常数，消去a_i，可得到一个关于单变量a_j的一个凸二次规划问题，不考虑其约束0<=a_j<=C,能够得其解为：

 ………………………………………(2)

这里………………(3)

表示旧值，然后考虑约束0<=a_j<=C可得到a的解析解为：

…………(4)

对于

那么怎样求得a_i和a_j呢？

对于a_i，即第一个乘子，能够通过刚刚说的那几种不满足KKT的条件来找，第二个乘子a_j能够找满足条件

…………………………………………………………………………（5）

b的更新：

在满足条件：下更新b。……………（6）

最后更新全部ai，y和b，这样模型就出来了，然后通过函数：

……………………………………………………（7）

输入是x，是一个数组，组中每个值表示一个特征。

输出是A类还是B类。（正类还是负类）

下面是基本的代码段：

/*
* 默认输入參数值
* C: regularization parameter
* tol: numerical tolerance
* max passes
*/
double C = 1; //对不在界内的惩处因子
double tol = 0.01;//容忍极限值
int maxPasses = 5; //表示没有改变拉格朗日乘子的最多迭代次数

/*
* 初始化a[], b, passes
*/

double a[] = new double[x.length];//拉格朗日乘子
this.a = a;

//将乘子初始化为0
for (int i = 0; i < x.length; i++) {
a[i] = 0;
}
int passes = 0;

while (passes < maxPasses) {
//表示改变乘子的次数（基本上是成对改变的）
int num_changed_alphas = 0;
for (int i = 0; i < x.length; i++) {
//表示特定阶段由a和b所决定的输出与真实yi的误差
//參照公式(7)
double Ei = getE(i);
/*
* 把违背KKT条件的ai作为第一个
* 满足KKT条件的情况是：
* yi*f(i) >= 1 and alpha == 0 (正确分类)
* yi*f(i) == 1 and 0<alpha < C (在边界上的支持向量)
* yi*f(i) <= 1 and alpha == C (在边界之间)
*
*
*
* ri = y[i] * Ei = y[i] * f(i) - y[i]^2 >= 0
* 假设ri < 0而且alpha < C 则违反了KKT条件
* 由于原本ri < 0 应该相应的是alpha = C
* 同理，ri > 0而且alpha > 0则违反了KKT条件
* 由于原本ri > 0相应的应该是alpha =0
*/
if ((y[i] * Ei < -tol && a[i] < C) ||
(y[i] * Ei > tol && a[i] > 0))
{
/*
* ui*yi=1边界上的点 0 < a[i] < C
* 找MAX|E1 - E2|
*/
int j;
/*
* boundAlpha表示x点处于边界上所相应的
* 拉格朗日乘子a的集合
*/
if (this.boundAlpha.size() > 0) {
//參照公式(5)
j = findMax(Ei, this.boundAlpha);
} else
//假设边界上没有，就随便选一个j != i的aj
j = RandomSelect(i);

double Ej = getE(j);

//保存当前的ai和aj
double oldAi = a[i];
double oldAj = a[j];

/*
* 计算乘子的范围U, V
* 參考公式(4)
*/
double L, H;
if (y[i] != y[j]) {
L = Math.max(0, a[j] - a[i]);
H = Math.min(C, C - a[i] + a[j]);
} else {
L = Math.max(0, a[i] + a[j] - C);
H = Math.min(0, a[i] + a[j]);
}

/*
* 假设eta等于0或者大于0 则表明a最优值应该在L或者U上
*/
double eta = 2 * k(i, j) - k(i, i) - k(j, j);//公式(3)

if (eta >= 0)
continue;

a[j] = a[j] - y[j] * (Ei - Ej)/ eta;//公式(2)
if (0 < a[j] && a[j] < C)
this.boundAlpha.add(j);

if (a[j] < L)
a[j] = L;
else if (a[j] > H)
a[j] = H;

if (Math.abs(a[j] - oldAj) < 1e-5)
continue;
a[i] = a[i] + y[i] * y[j] * (oldAj - a[j]);
if (0 < a[i] && a[i] < C)
this.boundAlpha.add(i);

/*
* 计算b1， b2
* 參照公式(6)
*/
double b1 = b - Ei - y[i] * (a[i] - oldAi) * k(i, i) - y[j] * (a[j] - oldAj) * k(i, j);
double b2 = b - Ej - y[i] * (a[i] - oldAi) * k(i, j) - y[j] * (a[j] - oldAj) * k(j, j);

if (0 < a[i] && a[i] < C)
b = b1;
else if (0 < a[j] && a[j] < C)
b = b2;
else
b = (b1 + b2) / 2;

num_changed_alphas = num_changed_alphas + 1;
}
}
if (num_changed_alphas == 0) {
passes++;
} else
passes = 0;
}

return new SVMModel(a, y, b);

执行后的结果还算能够吧，測试数据主要是用了libsvm的heart_scale的数据。

预測的正确率达到73%以上。

假设我把核函数从线性的改为基于RBF将会更好点。

最后，说到SVM算法实现包，应该有非常多，包含svm light，libsvm，有matlab本身自带的svm工具包等。

另外，完整的代码，我将上传到CSDN下载地址上提供下载。

点击这里下载。

如理解有误敬请指正！谢谢！

我的邮箱：chen-hongqin@163.com

我的其它博客：

百度：http://hi.baidu.com/futrueboy/home

javaeye：http://futrueboy.javaeye.com/

CSDN: http://blog.csdn.net/techq