一、支持向量机(SVM)
主要思想 :找一个超平面,使其尽可能多地将两类数据点分开,还要使得分开的数据点距分类面尽可能地远.
1. 线性可分的支持向量机
设有一组观测样本:D = { ( x i , y i ) ∣ i = 1 , 2 , ⋯ , n , x i ∈ X ⊆ R m , y i ∈ { 1 , − 1 } } \small D=\lbrace (x_i,y_i)|\,i=1,2,\cdots,n,x_i\in X\subseteq R^m,y_i\in \lbrace1,-1\rbrace \rbrace D = { ( x i , y i ) ∣ i = 1 , 2 , ⋯ , n , x i ∈ X ⊆ R m , y i ∈ { 1 , − 1 } } . 根据标签 y i y_i y i 将其分为两类:D 1 = { ( x i , y i ) ∣ y i = 1 } , D 2 = { ( x i , y i ) ∣ y i = − 1 } . \small D_1=\lbrace(x_i,y_i) |\,y_i=1\rbrace,D_2=\lbrace(x_i,y_i) |\, y_i=-1\rbrace. D 1 = { ( x i , y i ) ∣ y i = 1 } , D 2 = { ( x i , y i ) ∣ y i = − 1 } .
已知 D 1 , D 2 \small D_1,D_2 D 1 , D 2 线性可分,即存在一个超平面能够将两类点完全分隔开. 然后寻找这样的一个超平面 w T x + b = 0 w^Tx+b=0 w T x + b = 0 (其中 w w w 表示超平面的法向量),不仅能够满足分隔条件,而且能够使分开的数据点距超平面尽可能地远. 该问题可以表示为优化问题,数学描述如下:m a x ρ s . t . { w T x i + b ≥ l , x i ∈ D 1 w T x i + b ≤ − l , x i ∈ D 2 \begin{aligned}&max\;\rho\\
&s.t. \begin{cases}
w^Tx_i+b\geq l, & x_i \in D_1\\
w^Tx_i+b\leq -l, & x_i \in D_2
\end{cases}\end{aligned} m a x ρ s . t . { w T x i + b ≥ l , w T x i + b ≤ − l , x i ∈ D 1 x i ∈ D 2 其中 w T x i + b = l , w T x i + b = − l ( l > 0 ) w^Tx_i+b= l,w^Tx_i+b= -l(l>0) w T x i + b = l , w T x i + b = − l ( l > 0 ) 分别经过 D 1 , D 2 \small D_1,D_2 D 1 , D 2 的边界点,ρ \rho ρ 表示两个超平面之间的距离,可以由 l , w l,w l , w 表示,推导过程如下:
设 x 1 , x 2 x_1,x_2 x 1 , x 2 分别为 D 1 , D 2 \small D_1,D_2 D 1 , D 2 的边界点,则由 w T x i + b = l , w T x i + b = − l w^Tx_i+b= l,w^Tx_i+b= -l w T x i + b = l , w T x i + b = − l 分别经过 D 1 , D 2 \small D_1,D_2 D 1 , D 2 的边界点可知,w T x 1 + b = l , w T x 2 + b = − l w^Tx_1+b= l,w^Tx_2+b= -l w T x 1 + b = l , w T x 2 + b = − l ,于是两个超平面之间的距离可以表示为 ρ = ∣ ( x 1 − x 2 ) ⋅ w ∣ ∣ ∣ w ∣ ∣ \rho=\frac{|(x_1-x_2)\cdot w|}{||w||} ρ = ∣ ∣ w ∣ ∣ ∣ ( x 1 − x 2 ) ⋅ w ∣ ( x 1 − x 2 ) ⋅ w = w T x 1 − w T x 2 = l − b − ( − l − b ) = 2 l (x_1-x_2)\cdot w=w^Tx_1-w^Tx_2=l-b-(-l-b)=2l ( x 1 − x 2 ) ⋅ w = w T x 1 − w T x 2 = l − b − ( − l − b ) = 2 l ,则 ρ = 2 l / ∣ ∣ w ∣ ∣ , l = ρ ∣ ∣ w ∣ ∣ / 2. \rho=2l/||w||,l=\rho||w||/2. ρ = 2 l / ∣ ∣ w ∣ ∣ , l = ρ ∣ ∣ w ∣ ∣ / 2 .
约束条件{ w T x i + b ≥ l , x i ∈ D 1 w T x i + b ≤ − l , x i ∈ D 2 \begin{cases}
w^Tx_i+b\geq l, & x_i \in D_1\\
w^Tx_i+b\leq -l, & x_i \in D_2
\end{cases} { w T x i + b ≥ l , w T x i + b ≤ − l , x i ∈ D 1 x i ∈ D 2 可以简化为 y i ( w T x i + b ) ≥ l y_i(w^Tx_i+b)\geq l y i ( w T x i + b ) ≥ l ,两边同除 l l l ,将 l = ρ ∣ ∣ w ∣ ∣ / 2 l=\rho||w||/2 l = ρ ∣ ∣ w ∣ ∣ / 2 代入上式,得y i ( 2 w T ρ ∣ ∣ w ∣ ∣ x i + 2 b ρ ∣ ∣ w ∣ ∣ ) ≥ 1 y_i(\frac{2w^T}{\rho||w||}x_i+\frac{2b}{\rho||w||})\geq1 y i ( ρ ∣ ∣ w ∣ ∣ 2 w T x i + ρ ∣ ∣ w ∣ ∣ 2 b ) ≥ 1 换元,令 w ′ = 2 w ρ ∣ ∣ w ∣ ∣ , b ′ = 2 b ρ ∣ ∣ w ∣ ∣ w'=\frac{2w}{\rho||w||},b'=\frac{2b}{\rho||w||} w ′ = ρ ∣ ∣ w ∣ ∣ 2 w , b ′ = ρ ∣ ∣ w ∣ ∣ 2 b 代入原式,得 y i ( w ′ T x i + b ′ ) ≥ 1 y_i(w'^Tx_i+b')\geq 1 y i ( w ′ T x i + b ′ ) ≥ 1 .
同时 ∣ ∣ w ′ ∣ ∣ = 2 / ρ ||w'||=2/\rho ∣ ∣ w ′ ∣ ∣ = 2 / ρ ,最优化目标 m a x ρ = m a x 2 / ∣ ∣ w ′ ∣ ∣ max\;\rho=max\;2/||w'|| m a x ρ = m a x 2 / ∣ ∣ w ′ ∣ ∣ 等价于 m i n ∣ ∣ w ′ ∣ ∣ 2 / 2 min\;||w'||^2/2 m i n ∣ ∣ w ′ ∣ ∣ 2 / 2 .
原问题转化为:m i n 1 2 ∣ ∣ w ′ ∣ ∣ 2 s . t . y i ( w ′ T x i + b ′ ) ≥ 1 \begin{aligned}&min\; \frac{1}{2}||w'||^2\\
&s.t. \;y_i(w'^Tx_i+b')\geq 1\end{aligned} m i n 2 1 ∣ ∣ w ′ ∣ ∣ 2 s . t . y i ( w ′ T x i + b ′ ) ≥ 1
2. 近似线性可分的支持向量机
即找不到一个超平面将两类数据点分隔开,但去除边界上与其他类混杂的一小部分点后能够线性可分.
对于这种情况,只需对约束条件 y i ( w ′ T x i + b ′ ) ≥ 1 y_i(w'^Tx_i+b')\geq 1 y i ( w ′ T x i + b ′ ) ≥ 1 稍加调整. 具体做法:引入松弛变量 ξ i ≥ 0 , i = 1 , 2 , ⋯ , n \xi_i\geq0,i=1,2,\cdots,n ξ i ≥ 0 , i = 1 , 2 , ⋯ , n ,使得 y i ( w ′ T x i + b ′ ) ≥ 1 − ξ i y_i(w'^Tx_i+b')\geq 1-\xi_i y i ( w ′ T x i + b ′ ) ≥ 1 − ξ i ,原问题转化为:m i n 1 2 ∣ ∣ w ′ ∣ ∣ 2 + C ∑ i = 1 n ξ i s . t . { y i ( w ′ T x i + b ′ ) ≥ 1 − ξ i , i = 1 , 2 , ⋯ , n ξ i ≥ 0 , i = 1 , 2 , ⋯ , n \begin{aligned}&min\; \frac{1}{2}||w'||^2+C\sum_{i=1}^n\xi_i\\
&s.t. \;\begin{cases}
y_i(w'^Tx_i+b')\geq 1-\xi_i, & i=1,2,\cdots,n\\
\xi_i\geq0, &i=1,2,\cdots,n
\end{cases}\end{aligned} m i n 2 1 ∣ ∣ w ′ ∣ ∣ 2 + C i = 1 ∑ n ξ i s . t . { y i ( w ′ T x i + b ′ ) ≥ 1 − ξ i , ξ i ≥ 0 , i = 1 , 2 , ⋯ , n i = 1 , 2 , ⋯ , n 其中 C > 0 \small C>0 C > 0 ,称为惩罚因子.
二、决策树(Decision Tree)
主要思想 :从一个无规则的样本集中推导出一个分类规则,其可以以树的形式表示,也称决策树,内部节点表示特征或分类指标,一个叶子节点表示一类.
先来谈谈信息论的一些知识,伟大的祖师爷——香农给出了信息的数学描述,利用信息量衡量事件不确定性的大小,事件发生概率越小,信息量越大. 将信息量表示成自变量为概率的函数,这个函数需要满足以下三条性质:
(1) 非负性,即信息量总是大于等于零的;
(2) 随概率的增大而减小;
(3) f ( p 1 p 2 ) = f ( p 1 ) + f ( p 2 ) f(p_1p_2)=f(p_1)+f(p_2) f ( p 1 p 2 ) = f ( p 1 ) + f ( p 2 ) .
易知对数函数 f ( p ) = l o g a p ( 0 < a < 1 ) f(p)=log_a p\;(0<a<1) f ( p ) = l o g a p ( 0 < a < 1 ) ( p \,p p 为事件发生的概率)满足这些性质,并称其为事件的信息量 ,一般取 a = 1 / 2 a=1/2 a = 1 / 2 .
再来看两个更高级的定义:
信息熵 :信息量的期望. 假设事件 D \small D D 有 N \small N N 中可能的结果,每种结果的发生概率为 P k \small P_k P k ,定义事件 D \small D D 的信息熵为:E n t ( D ) = ∑ k = 1 N P k ( − l o g 2 P k ) . Ent(D)=\sum_{k=1}^NP_k(-log_2P_k). E n t ( D ) = k = 1 ∑ N P k ( − l o g 2 P k ) . 得知新特征的信息后,信息熵的减少量g ( D , A ) = H ( D ) − H ( D ∣ A ) g(D,A)=H(D)-H(D|A) g ( D , A ) = H ( D ) − H ( D ∣ A ) 称为信息增益 ,具体计算方法:
假设样本集 D \small D D 可以分为 K \small K K 类, C i \small C_i C i 表示第 i i i 类,i = 1 , 2 , ⋯ , K , ∑ i = 1 K ∣ C i ∣ = ∣ D ∣ \small i=1,2,\cdots,K,\, \sum_{i=1}^K|C_i|=|D| i = 1 , 2 , ⋯ , K , ∑ i = 1 K ∣ C i ∣ = ∣ D ∣ ,D \small D D 的信息熵为H ( D ) = ∑ i = 1 K ∣ C i ∣ ∣ D ∣ ( − l o g 2 ∣ C i ∣ ∣ D ∣ ) . H(D)=\sum_{i=1}^K\frac{|C_i|}{|D|}(-log_2{\frac{|C_i|}{|D|}}). H ( D ) = i = 1 ∑ K ∣ D ∣ ∣ C i ∣ ( − l o g 2 ∣ D ∣ ∣ C i ∣ ) . 特征 A \small A A 将 D \small D D 划分为 n n n 个子集 D i , i = 1 , 2 , ⋯ , n \small D_i,i=1,2,\cdots,n D i , i = 1 , 2 , ⋯ , n ,定义H ( D ∣ A ) ≜ ∑ i = 1 n ∣ D i ∣ ∣ D ∣ H ( D i ) , H(D|A)\triangleq\sum_{i=1}^n\frac{|D_i|}{|D|}H(D_i), H ( D ∣ A ) ≜ i = 1 ∑ n ∣ D ∣ ∣ D i ∣ H ( D i ) , 可以理解为子集信息熵的期望.
好的分类特征 A \small A A 应该使 H ( D ∣ A ) \small H(D|A) H ( D ∣ A ) 尽可能地小,即信息增益 g ( D , A ) \small g(D,A) g ( D , A ) 尽可能地大. 至于为啥?
好的分类特征意味着对结果更精确的预测. 而预测得越准确,预测结果发生的概率也就越大. 大的概率意味着小的信息量,小的信息量会带来小的信息熵,进而使H ( D ∣ A ) \small H(D|A) H ( D ∣ A ) 尽可能地小.
决策树的生成过程就是,先选择信息增益最大的特征进行分类. 然后对每个小类进行相同的操作,递归下去,就可以得到一棵分类树,也称决策树.
终止条件可以这样设置:当前节点的信息熵小于给定的阈值时,就停止递归,取占比最大的类作为当前叶子节点的类别.
上述介绍的根据信息增益 选取特征,只是决策树中的 ID3 算法,这种算法倾向于选择取值较多的特征,后续提出的 C4.5 算法,以信息增益率作为特征选择指标,在一定程度上克服了这个缺点. 其他的决策树算法还有 CART,既能做分类也能做回归,感兴趣的读者可以了解一下.
Plus: 如有错误、可以改进的地方、或任何想说的,请在评论区留言!