[參考] 機器學習實戰(Machine Learning in Action)
本章內容
支持向量機(Support Vector Machine)是最好的現成的分類器,“現成”指的是分類器不加修改即可直接使用。基本形式的SVM分類器就可得到低錯誤率的結果。SVM有很多實現,文中採用最流行的一種實現,即序列最小優化(Sequential Minimal Optimization,一種求解支持向量機二次規劃的算法)算法。還會介紹如何使用一種稱爲核函數(kernel)的方式將SVM擴展到更多的數據集上。
優點:泛化錯誤率低,計算開銷不大,結果易理解。
這些優點是其十分流行,有人認爲他是監督學習中最好的定式算法。與下章中AdaBoost是最好的監督學習的方法相對應。
缺點:對參數調節和核函數的選擇敏感,原始分類器不加修改僅適用於二類問題。
使用數據類型:數值型和標稱型數據。
希望找到離分隔超平面最近的點,確保它們離分隔面的距離儘可能遠。這裏點到分隔面的距離被稱爲間隔(margin)。支持向量(support vector)就是離分隔超平面最近的那些點。
分隔超平面的形式可以寫成
其他概念:線性可分(linearly separable),分隔超平面(separating hyperplane),間隔(margin)
SVM使用類似海維賽德階躍函數(即單位階躍函數)的函數對
間隔通過
上面是對乘積進行優化的事情,需要固定其中一個因子而最大化其他因子。若令所有支持向量的
上述優化問題給定了一些約束條件然後求最優值,該問題是一個帶約束條件的優化問題。這裏的優化條件是
其中尖括號表示
因爲並非所有數據都100%線性可分,所以需要引入鬆弛變量(slack variable),來允許有些數據點可處於分隔面的錯誤一側。這樣優化目標可保持不變,但此時約束條件則變爲:
常數
其中(1)是最小化目標函數,(2)是優化過程中必須遵循的約束條件。以前,採用二次規劃求解工具(quadratic solver)求解上述最優化問題。
SMO(Sequential Minimal Optimization)是一個強大的算法,表示序列最小優化。SMO將大優化問題分解成多個小優化問題來求解。此算法目標是求出一系列alpha和b,一旦求出這些alpha,就容易計算出權重向量
SMO算法的工作原理:每次循環中選擇兩個alpha進行優化處理。一旦找到一對“合適”的alpha,那麼就增大其中一個同時減小另一個。“合適”指兩個alpha必須要符合一定條件,條件之一就是這兩個alpha必須要在間隔邊界之外,而其第二個條件則是這兩個alpha還沒有進行過區間化處理或者不在邊界上。
利用核函數將數據映射到高維空間
特徵空間轉換,稱爲從一個特徵空間到另一個特徵空間的映射。一般,這種空間映射會將低維特徵空間映射到高維空間。這種映射可通過核函數(kernel)來實現。可以將核函數想象成一個包裝器(wrapper)或者接口(interface)。經過空間轉換後,可在高維空間中解決線性問題,這等價於在低維空間中解決非線性問題。
SVM優化中,所有運算都可以寫成內積(inner product,也成爲點積)的形式。向量的內積指的是兩個向量相乘,之後得到單個標量或者數值。可將內積運算替換成核函數,而不必做簡化處理。將內積替換成核函數的方式成爲核技巧(kernel trick)或者核“變電”(kernel substation)
徑向基核函數(radial basis function),是一個採用向量作爲自變量的函數,能夠基於向量距離運算輸出一個標量。這個距離可以是從<0,0>向量或者其他向量開始計算的距離。可使用徑向基核函數的高斯版本,具體公式:
其中,
使用函數
函數 | 功能 |
---|---|
str.strip(rm) | 刪除str字符串中開頭、結尾處,位於rm刪除序列的字符,當rm爲空時,默認刪除空白符(含'\n','\r','\t',' ' ) |
str.lstrip(rm) | 刪除str字符串中開頭處,位於rm刪除序列的字符 |
str.rstrip(rm) | 刪除str字符串中結尾處,位於rm刪除序列的字符 |
random.uniform(x, y) | 在[x,y]範圍內,隨機生成一個實數 |
np.multiply(a, b) | 對應下標元素相乘 |
np.multiply.outer(a, b) | 列表a中元素分別和b相乘,得到一個二維數組 |
list.copy() | 列表的淺複製 |
alphas[alphas>0] | 數組過濾,返回alphas中大於0的元素 |
mat.A | 將matrix數據轉換成array |
mat[ind] | 獲取ind列表中數字對應的mat矩陣的行 |
listdir(dirName) | from os import listdir,獲取給定文件夾下的文件名列表,不含文件路徑 |
程序代碼
# coding=utf-8
from numpy import *
def loadDataSet(fileName) :
dataMat = []; labelMat = []
fr = open(fileName)
for line in fr.readlines() :
lineArr = line.strip().split('\t')
dataMat.append([float(lineArr[0]), float(lineArr[1])])
labelMat.append(float(lineArr[2]))
return dataMat, labelMat
def selectJrand(i,m) :
j=i
while(j==i) :
j = int(random.uniform(0,m))
return j
def clipAlpha(aj, H, L) :
if aj > H :
aj = H
if L > aj :
aj = L
return aj
# dataMatIn: 數據集
# classLabels: 類別標籤
# C: 常數C
# toler: 容錯率
# maxIter: 退出前最的循環次數
def smoSimple(dataMatIn, classLabels, C, toler, maxIter) :
dataMatrix = mat(dataMatIn)
labelMat = mat(classLabels).transpose()
b = 0;
m,n = shape(dataMatrix)
alphas = mat(zeros((m,1)))
iter = 0
while (iter < maxIter) :
# alphaPairsChanged記錄alpha是否已經進行優化
alphaPairsChanged = 0
for i in range(m) :
# fXi預測的類別
fXi = float(multiply(alphas, labelMat).T*(dataMatrix*dataMatrix[i,:].T)) + b
# 預測結果與真實結果比對,計算誤差Ei
Ei = fXi - float(labelMat[i])
# 如果誤差很大,那麼可對該數據實例所對應的alpha值進行優化,分別對正間隔和負間隔做了測試,
# 並且檢查了alpha值,保證其不能等於0或者C,由於後面alpha小於0或者大於C時將被調整爲0或C,
# 所以一旦該if語句中它們等於這兩個值得話,那麼它們就已經在“邊界”上了,因而不再能夠減小或增大,
# 因此也就不值得對它們進行優化
if((labelMat[i]*Ei < -toler) and (alphas[i] < C)) or ((labelMat[i]*Ei > toler) and (alphas[i] > 0)) :
# 利用輔助函數,隨機選擇第二個alpha值
j = selectJrand(i,m)
fXj = float(multiply(alphas, labelMat).T*(dataMatrix*dataMatrix[j,:].T)) + b
Ej = fXj - float(labelMat[j])
alphaIold = alphas[i].copy()
alphaJold = alphas[j].copy()
# L和H用於將alphas[j]調整到0-C之間。如果L==H,就不做任何改變,直接執行continue語句
if labelMat[i] != labelMat[j] :
L = max(0, alphas[j] - alphas[i])
H = min(C, C + alphas[j] - alphas[i])
else :
L = max(0, alphas[j] + alphas[i] -C)
H = min(C, alphas[j] + alphas[i])
if L==H : print 'L==H'; continue
# eta是alphas[j]的最優修改量,如果eta==0,需要退出for循環的當前迭代過程
eta = 2.0 * dataMatrix[i, :] * dataMatrix[j, :].T - dataMatrix[i, :]*dataMatrix[i, :].T \
- dataMatrix[j, :]*dataMatrix[j, :].T
if eta >= 0 : print 'eta>=0' ; continue
# 計算出一個新的alphas[j]值
alphas[j] -= labelMat[j]*(Ei - Ej)/eta
# 並使用輔助函數,以及L和H對其進行調整
alphas[j] = clipAlpha(alphas[j], H, L)
# 檢查alphas[j]是否有輕微改變,如果是的話,退出for循環
if( abs(alphas[j] - alphaJold) < 0.00001) : print 'j not moving enough'; continue
# 然後alphas[i]和alphas[j]同樣進行改變,雖然改變的大小一樣,但是改變的方向正好相反
alphas[i] += labelMat[j]*labelMat[i]*(alphaJold - alphas[j])
# 在對alphas[i]和alphas[j]進行優化後,給這兩個alpha值設置一個常數項b
b1 = b - Ei - labelMat[i]*(alphas[i]-alphaIold)*dataMatrix[i, :]*dataMatrix[i, :].T\
- labelMat[j]*(alphas[j]-alphaJold)*dataMatrix[i, :]*dataMatrix[j, :].T
b2 = b - Ej - labelMat[i]*(alphas[i]-alphaIold)*dataMatrix[i, :]*dataMatrix[j, :].T\
- labelMat[j]*(alphas[j]-alphaJold)*dataMatrix[j, :]*dataMatrix[j, :].T
if (0 < alphas[i]) and (C > alphas[i]) : b = b1
elif (0 < alphas[j]) and (C > alphas[j]) : b = b2
else: b = (b1 + b2)/2.0
alphaPairsChanged += 1
print 'iter: %d i:%d, pairs changed %d' % (iter, i, alphaPairsChanged)
if alphaPairsChanged == 0 : iter += 1
else: iter = 0
print 'iteration number: %d' % iter
return b, alphas
# 建立一個數據結構來保存所有重要值
'''
class optStruct:
def __init__(self, dataMatIn, classLabels, C, toler) :
self.X = dataMatIn
self.labelMat = classLabels
self.C = C
self.tol = toler
self.m = shape(dataMatIn)[0]
self.alphas = mat(zeros((self.m, 1)))
self.b = 0
# 誤差緩存
self.eCache = mat(zeros((self.m, 2)))
'''
# 使用Kernel函數的class optStruct
class optStruct :
def __init__(self, dataMatIn, classLabels, C, toler, kTup) :
self.X = dataMatIn
self.labelMat = classLabels
self.C = C
self.tol = toler
self.m = shape(dataMatIn)[0]
self.alphas = mat(zeros((self.m, 1)))
self.b = 0
# 誤差緩存
self.eCache = mat(zeros((self.m, 2)))
self.K = mat(zeros((self.m, self.m)))
for i in range(self.m) :
self.K[:,i] = kernelTrans(self.X, self.X[i,:], kTup)
'''
# 對於給定的alpha值,calcEk()能夠計算E值並返回
def calcEk(oS, k) :
fXk = float(multiply(oS.alphas, oS.labelMat).T*(oS.X*oS.X[k,:].T)) + oS.b
Ek = fXk - float(oS.labelMat[k])
return Ek
'''
# 使用Kernel函數的calcEk
def calcEk(oS, k) :
fXk = float(multiply(oS.alphas, oS.labelMat).T*oS.K[:,k]) + oS.b
Ek = fXk - float(oS.labelMat[k])
return Ek
# 內循環中的啓發式方法,用於選擇第二個alpha或者內循環的alpha值
# 目標:選擇合適的第二個alpha值以保證在每次優化中採用最大步長
# 該函數的誤差值與第一個alpha值Ei和下標i有關
def selectJ(i, oS, Ei) :
maxK = -1; maxDeltaE = 0; Ej = 0
# 將輸入值Ei在緩存中設置成爲有效的
oS.eCache[i] = [1, Ei]
# nonzero()返回一個列表,列表包含以輸入列表爲目錄的列表值,這裏的值並非零
# 返回的非零E值對應的alpha值,而不是E值本身
validEcacheList = nonzero(oS.eCache[:,0].A)[0]
if len(validEcacheList) > 1 :
for k in validEcacheList :
if k == i : continue
Ek = calcEk(oS, k)
deltaE = abs(Ei - Ek)
# 選擇具有最大步長的j
if deltaE > maxDeltaE :
maxK = k; maxDeltaE = deltaE; Ej = Ek
return maxK, Ej
else :# 第一次循環,隨機選擇一個alpha值
j = selectJrand(i, oS.m)
Ej = calcEk(oS, j)
return j, Ej
# 計算誤差值並存入緩存當中
def updateEk(oS, k) :
Ek = calcEk(oS, k)
oS.eCache[k] = [1, Ek]
# 完整的Platt SMO算法中的優化例程
'''
def innerL(i, oS) :
Ei = calcEk(oS, i)
if ( (oS.labelMat[i]*Ei < -oS.tol) and (oS.alphas[i] < oS.C) ) or \
( (oS.labelMat[i]*Ei > oS.tol) and (oS.alphas[i] > 0) ) :
j, Ej = selectJ(i, oS, Ei)
alphaIold = oS.alphas[i].copy()
alphaJold = oS.alphas[j].copy()
if oS.labelMat[i] != oS.labelMat[j] :
L = max(0, oS.alphas[j] - oS.alphas[i])
H = min(oS.C, oS.C + oS.alphas[j] - oS.alphas[i])
else :
L = max(0, oS.alphas[j] + oS.alphas[i] - oS.C)
H = min(oS.C, oS.alphas[j] + oS.alphas[i])
if L==H : print "L==H"; return 0
eta = 2.0*oS.X[i,:]*oS.X[j,:].T - oS.X[i,:]*oS.X[i,:].T - oS.X[j,:]*oS.X[j,:].T
if eta >=0 : print "eta>=0"; return 0
oS.alphas[j] -= oS.labelMat[j]*(Ei - Ej)/eta
oS.alphas[j] = clipAlpha(oS.alphas[j], H, L)
updateEk(oS, j)
if abs(oS.alphas[j] - alphaJold) < 0.00001 :
print "j not moving enough"; return 0
oS.alphas[i] += oS.labelMat[j]*oS.labelMat[i]*(alphaJold - oS.alphas[j])
updateEk(oS, i)
b1 = oS.b - Ei - oS.labelMat[i]*(oS.alphas[i] - alphaIold)*oS.X[i,:]*oS.X[i,:].T -\
oS.labelMat[j]*(oS.alphas[j] - alphaJold)*oS.X[i,:]*oS.X[j,:].T
b2 = oS.b - Ej - oS.labelMat[i]*(oS.alphas[i] - alphaIold)*oS.X[i,:]*oS.X[j,:].T -\
oS.labelMat[j]*(oS.alphas[j] - alphaJold)*oS.X[j,:]*oS.X[j,:].T
if (0 < oS.alphas[i]) and (oS.C > oS.alphas[i]) : oS.b = b1
elif (0 < oS.alphas[j]) and (oS.C > oS.alphas[j]) : oS.b = b2
else : oS.b = (b1 + b2) / 2.0
return 1
else : return 0
'''
# 使用Kernel函數的innerL
def innerL(i, oS) :
Ei = calcEk(oS, i)
if ( (oS.labelMat[i]*Ei < -oS.tol) and (oS.alphas[i] < oS.C) ) or \
( (oS.labelMat[i]*Ei > oS.tol) and (oS.alphas[i] > 0) ) :
j, Ej = selectJ(i, oS, Ei)
alphaIold = oS.alphas[i].copy()
alphaJold = oS.alphas[j].copy()
if oS.labelMat[i] != oS.labelMat[j] :
L = max(0, oS.alphas[j] - oS.alphas[i])
H = min(oS.C, oS.C + oS.alphas[j] - oS.alphas[i])
else :
L = max(0, oS.alphas[j] + oS.alphas[i] - oS.C)
H = min(oS.C, oS.alphas[j] + oS.alphas[i])
if L==H : print "L==H"; return 0
# eta = 2.0*oS.X[i,:]*oS.X[j,:].T - oS.X[i,:]*oS.X[i,:].T - oS.X[j,:]*oS.X[j,:].T
eta = 2.0*oS.K[i,j] - oS.K[i,i] - oS.K[j,j]
if eta >=0 : print "eta>=0"; return 0
oS.alphas[j] -= oS.labelMat[j]*(Ei - Ej)/eta
oS.alphas[j] = clipAlpha(oS.alphas[j], H, L)
updateEk(oS, j)
if abs(oS.alphas[j] - alphaJold) < 0.00001 :
print "j not moving enough"; return 0
oS.alphas[i] += oS.labelMat[j]*oS.labelMat[i]*(alphaJold - oS.alphas[j])
updateEk(oS, i)
'''
b1 = oS.b - Ei - oS.labelMat[i]*(oS.alphas[i] - alphaIold)*oS.X[i,:]*oS.X[i,:].T -\
oS.labelMat[j]*(oS.alphas[j] - alphaJold)*oS.X[i,:]*oS.X[j,:].T
b2 = oS.b - Ej - oS.labelMat[i]*(oS.alphas[i] - alphaIold)*oS.X[i,:]*oS.X[j,:].T -\
oS.labelMat[j]*(oS.alphas[j] - alphaJold)*oS.X[j,:]*oS.X[j,:].T
'''
b1 = oS.b - Ei - oS.labelMat[i]*(oS.alphas[i] - alphaIold)*oS.K[i,i] -\
oS.labelMat[j]*(oS.alphas[j] - alphaJold)*oS.K[i,j]
b2 = oS.b - Ej - oS.labelMat[i]*(oS.alphas[i] - alphaIold)*oS.K[i,j] -\
oS.labelMat[j]*(oS.alphas[j] - alphaJold)*oS.K[j,j]
if (0 < oS.alphas[i]) and (oS.C > oS.alphas[i]) : oS.b = b1
elif (0 < oS.alphas[j]) and (oS.C > oS.alphas[j]) : oS.b = b2
else : oS.b = (b1 + b2) / 2.0
return 1
else : return 0
# 完整版Platt SMO算法的外循環代碼
def smoP(dataMatIn, classLabels, C, toler, maxIter, kTup=('lin', 0)) :
oS = optStruct(mat(dataMatIn), mat(classLabels).transpose(), C, toler, kTup)
iter = 0
entireSet = True; alphaPairsChanged = 0
# 退出循環條件:1、迭代次數超過指定最大值;2、遍歷整個集合都未對任意alpha對進行修改。
while (iter < maxIter) and ((alphaPairsChanged > 0) or (entireSet)) :
alphaPairsChanged = 0
if entireSet :
# 在數據集上遍歷任意可能的alpha,使用innerL()來選擇第二個alpha,並在可能時對其進行優化
for i in range(oS.m) :
alphaPairsChanged += innerL(i, oS)
print "fullSet, iter: %d i: %d, pairs changed %d" % (iter, i, alphaPairsChanged)
iter += 1
else :
nonBoundIs = nonzero((oS.alphas.A > 0) * (oS.alphas.A < C))[0]
# 遍歷所有非邊界alpha值,也就是不在邊界0或C上的值
for i in nonBoundIs :
alphaPairsChanged += innerL(i, oS)
print "non-bound, iter: %d i:%d, pairs changed %d" % (iter, i, alphaPairsChanged)
iter += 1
if entireSet: entireSet = False
elif alphaPairsChanged == 0 : entireSet = True
print "iteration number: %d" % iter
return oS.b, oS.alphas
# 利用alpha值,進行分類
def calcWs(alphas, dataArr, classLabels) :
X = mat(dataArr)
labelMat = mat(classLabels).transpose()
m,n = shape(X)
w = zeros((n,1))
for i in range(m) :
w += multiply(alphas[i]*labelMat[i], X[i,:].T)
return w
# 核轉換函數
# kTup: 元組,核函數的信息,元組的一個參數是描述所用核函數類型的一個字符串,另外2個參數則都是核函數可能需要的可選參數
# 一個調用實例:kernelTrans(sVs, dataMat[i,:], ('rbf', k1))
# 其中k1是徑向基核函數高斯版本中的sigma
def kernelTrans(X, A, kTup) :
m,n = shape(X)
# 構建一個列向量
K = mat(zeros((m, 1)))
# 檢查元組以確定核函數的類型
if kTup[0] == 'lin' : K = X * A.T
# 在徑向基核函數的情況下
elif kTup[0] == 'rbf' :
# for循環中對於矩陣的每個元素計算高斯函數的值
for j in range(m) :
deltaRow = X[j, :] - A
K[j] = deltaRow*deltaRow.T
# 將計算過程應用到整個向量,元素間的除法
K = exp(K/(-1*kTup[1]**2))
else : raise NameError('Houston We Have a Problem -- That Kernel is not recognized')
return K
# 利用核函數進行分類的徑向基測試函數
# k1: 高斯徑向基函數中一個用戶定義變量
# 此函數從文件中讀取數據集,然後在該數據集上運行Platt SMO算法,其中核函數的類型是'rbf'
def testRbf(k1 = 1.3) :
dataArr, labelArr = loadDataSet('C:\python27\ml\\testSetRBF.txt')
b, alphas = smoP(dataArr, labelArr, 200, 0.0001, 10000, ('rbf', k1))
dataMat = mat(dataArr); labelMat = mat(labelArr).transpose()
svInd = nonzero(alphas.A>0)[0]
sVs = dataMat[svInd]
labelSV = labelMat[svInd]
print "there are %d Support Vectors" % shape(sVs)[0]
m,n = shape(dataMat)
errorCount = 0
for i in range(m) :
# for循環中前兩行,給出瞭如何利用核函數進行分類
kernelEval = kernelTrans(sVs, dataMat[i,:], ('rbf', k1))
predict = kernelEval.T * multiply(labelSV, alphas[svInd]) + b
if sign(predict) != sign(labelArr[i]) : errorCount += 1
print "the training error rate is: %f" % (float(errorCount)/m)
dataArr, labelArr = loadDataSet('C:\python27\ml\\testSetRBF2.txt')
errorCount = 0
dataMat = mat(dataArr); labelMat = mat(labelArr).transpose()
m,n = shape(dataMat)
for i in range(m) :
kernelEval = kernelTrans(sVs, dataMat[i,:], ('rbf', k1))
predict = kernelEval.T * multiply(labelSV, alphas[svInd]) + b
if sign(predict) != sign(labelArr[i]) : errorCount += 1
print "the test error rate is: %f" % (float(errorCount)/m)
# 基於SVM的手寫數字識別
def loadImages(dirName) :
from os import listdir
hwLabels = []
trainingFileList = listdir(dirName)
m = len(trainingFileList)
trainingMat = zeros((m, 1024))
for i in range(m) :
fileNameStr = trainingFileList[i]
fileStr = fileNameStr.split('.')[0]
classNumStr = int(fileStr.split('_')[0])
if classNumStr == 9 : hwLabels.append(-1)
else : hwLabels.append(1)
trainingMat[i, :] = img2vector('%s/%s' % (dirName, fileNameStr))
return trainingMat, hwLabels
def testDigits(kTup = ('rbf', 10)) :
dataArr, labelArr = loadImages('c:\python27\ml\\trainingDigits')
b, alphas = smoP(dataArr, labelArr, 200, 0.0001, 10000, kTup)
dataMat = mat(dataArr)
labelMat = mat(labelArr).transpose()
svInd = nonzero(alphas.A > 0)[0]
sVs = dataMat[svInd]
labelSV = labelMat[svInd]
print "there are %d Support Vectors" % shape(sVs)[0]
m,n = shape(dataMat)
errorCount = 0
for i in range(m) :
kernelEval = kernelTrans(sVs, dataMat[i, :], kTup)
predict = kernelEval.T * multiply(labelSV, alphas[svInd]) + b
if sign(predict) != sign(labelArr[i]) : errorCount += 1
print "the training error rate is: %f" % (float(errorCount)/m)
dataArr, labelArr = loadImages('c:\python27\ml\\testDigits')
errorCount = 0
dataMat = mat(dataArr)
labelArr = mat(labelArr).transpose()
m,n = shape(dataMat)
for i in range(m) :
kernelEval = kernelTrans(sVs, dataMat[i, :], kTup)
predict = kernelEval.T * multiply(labelSV, alphas[svInd]) + b
if sign(predict) != sign(labelArr[i]) : errorCount += 1
print "the test error rate is: %f" % (float(errorCount)/m)
在命令行中執行:
# 加載數據
>>> import ml.svmML as svmML
>>> dataArr, labelArr = svmML.loadDataSet('c:\python27\ml\\testSet.txt')
>>> labelArr
[-1.0, -1.0, 1.0, -1.0, 1.0, 1.0, 1.0, -1.0, -1.0, -1.0, -1.0, -1.0, -1.0, 1.0,
-1.0, 1.0, 1.0, -1.0, 1.0, -1.0, -1.0, -1.0, 1.0, -1.0, -1.0, 1.0, 1.0, -1.0, -1
.0, -1.0, -1.0, 1.0, 1.0, 1.0, 1.0, -1.0, 1.0, -1.0, -1.0, 1.0, -1.0, -1.0, -1.0
, -1.0, 1.0, 1.0, 1.0, 1.0, 1.0, -1.0, 1.0, 1.0, -1.0, -1.0, 1.0, 1.0, -1.0, 1.0
, -1.0, -1.0, -1.0, -1.0, 1.0, -1.0, 1.0, -1.0, -1.0, 1.0, 1.0, 1.0, -1.0, 1.0,
1.0, -1.0, -1.0, 1.0, -1.0, 1.0, 1.0, 1.0, 1.0, 1.0, 1.0, 1.0, -1.0, -1.0, -1.0,
-1.0, 1.0, -1.0, 1.0, 1.0, 1.0, -1.0, -1.0, -1.0, -1.0, -1.0, -1.0, -1.0]
# 執行簡化版SMO算法
>>> b, alphas = svmML.smoSimple(dataArr, labelArr, 0.6, 0.001, 40)
......
iteration number: 23
j not moving enough
j not moving enough
j not moving enough
iteration number: 24
iter: 24 i:29, pairs changed 1
j not moving enough
j not moving enough
iteration number: 0
j not moving enough
j not moving enough
j not moving enough
iteration number: 1
......
>>> b # 因爲SMO算法的隨機性,每次運行的結果不一樣
matrix([[-3.84267434]])
>>> alphas[alphas>0]
matrix([[ 0.08891067, 0.27233877, 0.03016793, 0.33108151]])
>>> import numpy as np
>>> np.shape(alphas[alphas>0]) # 得到支持向量的個數
(1, 4)
>>> for i in range(100): # 得到哪些點是支持向量
... if alphas[i]>0.0: print dataArr[i], labelArr[i]
...
[4.658191, 3.507396] -1.0
[3.457096, -0.082216] -1.0
[5.286862, -2.358286] 1.0
[6.080573, 0.418886] 1.0
# 完整版Platt SMO
>>> reload(svmML)
<module 'ml.svmML' from 'C:\Python27\ml\svmML.py'>
>>> dataArr, labelArr = svmML.loadDataSet('c:\python27\ml\\testSet.txt')
>>> b, alphas = svmML.smoP(dataArr, labelArr, 0.6, 0.001, 40)
......
non-bound, iter: 1 i:55, pairs changed 0
non-bound, iter: 1 i:94, pairs changed 0
iteration number: 2
j not moving enough
j not moving enough
j not moving enough
j not moving enough
j not moving enough
j not moving enough
j not moving enough
L==H
j not moving enough
j not moving enough
L==H
j not moving enough
j not moving enough
L==H
L==H
j not moving enough
fullSet, iter: 2 i: 99, pairs changed 0
iteration number: 3
>>> alphas[alphas>0]
matrix([[ 0.06961952, 0.0169055 , 0.0169055 , 0.0272699 , 0.04522972,
0.0272699 , 0.0243898 , 0.06140181, 0.06140181]])
# 進行數據點分類
>>> ws = svmML.calcWs(alphas, dataArr, labelArr)
>>> ws
array([[ 0.65307162],
[-0.17196128]])
>>> import numpy as np
>>> dataMat = np.mat(dataArr)
>>> dataMat[0]
matrix([[ 3.542485, 1.977398]])
>>> b
matrix([[-2.89901748]])
>>> dataMat[0]*np.mat(ws) + b
matrix([[-0.92555695]])
>>> labelArr[0]
-1.0
>>> dataMat[2]*np.mat(ws) + b
matrix([[ 2.30436336]])
>>> labelArr[2]
1.0
>>> dataMat[1]*np.mat(ws) + b
matrix([[-1.36706674]])
>>> labelArr[1]
-1.0
# 在測試中使用核函數
>>> reload(svmML)
<module 'ml.svmML' from 'C:\Python27\ml\svmML.pyc'>
>>> svmML.testRbf()
......
j not moving enough
L==H
L==H
L==H
L==H
fullSet, iter: 6 i: 99, pairs changed 0
iteration number: 7
there are 27 Support Vectors
the training error rate is: 0.030000
the test error rate is: 0.040000
# 基於SVM的手寫數字識別
>>> reload(svmML)
<module 'ml.svmML' from 'C:\Python27\ml\svmML.py'>
>>> svmML.testDigits(('rbf', 20))
......
j not moving enough
j not moving enough
j not moving enough
fullSet, iter: 7 i: 1933, pairs changed 0
iteration number: 8
there are 157 Support Vectors
the training error rate is: 0.000000
the test error rate is: 0.012685