Lecture 8-10：支持向量机

课程简介

函数间隔与几何间隔、对偶问题、核函数、SMO 算法。

🎬 本课程视频：Stanford CS229 — 斯坦福机器学习

---

一、支持向量机概述

支持向量机（Support Vector Machine, SVM）是机器学习中最强大、最优雅的分类算法之一。它在小样本、非线性、高维分类问题中表现出色。

1.1 从逻辑回归到 SVM

回顾逻辑回归：$h_\theta(x) = g(\theta^T x)$。当 $\theta^T x \gg 0$ 时，$P(y=1) \approx 1$；当 $\theta^T x \ll 0$ 时，$P(y=0) \approx 1$。

SVM 的核心思想是：不仅要正确分类，还要最大化分类的"信心"——即最大化样本到决策边界的距离。

二、函数间隔与几何间隔

2.1 函数间隔

给定训练样本 $(x^{(i)}, y^{(i)})$，函数间隔（Functional Margin）定义为：

$$\hat{\gamma}^{(i)} = y^{(i)} (\theta^T x^{(i)} + b)$$

当 $y^{(i)} = 1$ 时，希望 $\theta^T x + b \gg 0$；当 $y^{(i)} = -1$ 时，希望 $\theta^T x + b \ll 0$。函数间隔越大，分类越"有信心"。

整个训练集的函数间隔定义为所有样本中最小的那个：$\hat{\gamma} = \min_i \hat{\gamma}^{(i)}$。

2.2 几何间隔

函数间隔的一个问题是：如果按比例缩放 $\theta$ 和 $b$（如 $2\theta, 2b$），函数间隔会翻倍，但决策边界没有变化。因此我们引入几何间隔（Geometric Margin）。

几何间隔是样本到决策边界的欧氏距离：

$$\gamma^{(i)} = y^{(i)} \left( \frac{\theta^T x^{(i)} + b}{|\theta|} \right)$$

几何间隔不受参数缩放的影响——它是真正有意义的"距离"度量。

2.3 最优间隔分类器

SVM 的目标是最大化最小几何间隔：

$$\max_{\gamma, \theta, b} \gamma \quad \text{s.t.} \quad y^{(i)} (\theta^T x^{(i)} + b) \geq \gamma |\theta|, \quad i=1,...,m$$

通过归一化 $|\theta| = 1/\gamma$，可以转化为一个更简洁的优化问题。

三、对偶问题与核技巧

3.1 拉格朗日对偶性

原问题（Primal Problem）：

$$\min_{\theta} \frac{1}{2} |\theta|^2 \quad \text{s.t.} \quad y^{(i)} (\theta^T x^{(i)} + b) \geq 1, \quad i=1,...,m$$

构造拉格朗日函数：

$$\mathcal{L}(\theta, b, \alpha) = \frac{1}{2} |\theta|^2 - \sum_{i=1}^{m} \alpha_i [y^{(i)} (\theta^T x^{(i)} + b) - 1]$$

其中 $\alpha_i \geq 0$ 是拉格朗日乘子。

对偶问题（Dual Problem）：

$$\max_{\alpha} \sum_{i=1}^{m} \alpha_i - \frac{1}{2} \sum_{i,j=1}^{m} \alpha_i \alpha_j y^{(i)} y^{(j)} \langle x^{(i)}, x^{(j)} \rangle$$

约束条件：$\alpha_i \geq 0$ 和 $\sum_{i=1}^{m} \alpha_i y^{(i)} = 0$。

从对偶解可以恢复原参数：

$$\theta = \sum_{i=1}^{m} \alpha_i y^{(i)} x^{(i)}$$

KKT 条件：$\alpha_i > 0$ 的样本就是支持向量（Support Vectors）——即那些恰好位于间隔边界上的样本。

3.2 为什么需要对偶形式

对偶形式的重要结果是：决策函数只依赖于训练样本之间的内积 $\langle x^{(i)}, x^{(j)} \rangle$：

$$h(x) = \text{sign} \left( \sum_{i=1}^{m} \alpha_i y^{(i)} \langle x^{(i)}, x \rangle + b \right)$$

这意味着我们可以用核技巧（Kernel Trick） 将内积替换为核函数，实现高维甚至无限维空间中的线性分类。

3.3 核函数

核函数 $K(x^{(i)}, x^{(j)}) = \langle \phi(x^{(i)}), \phi(x^{(j)}) \rangle$，其中 $\phi$ 是将原始特征映射到高维空间的函数。

线性核：$K(x, z) = x^T z$

多项式核：$K(x, z) = (x^T z + c)^d$

高斯核（RBF 核）：$K(x, z) = \exp\left(-\frac{|x - z|^2}{2\sigma^2}\right)$

RBF 核将数据映射到无限维空间——因为指数函数的泰勒展开包含所有多项式项。

核技巧的美妙之处在于：我们不需要显式计算 $\phi(x)$，只需要计算核函数的值。RBF 核的 $\phi(x)$ 是无限维的，但我们只需要计算一个指数函数，计算量不变。

3.4 核的有效性

Mercer 定理：一个函数 $K$ 是有效核的充要条件是，对于任意有限数据集，核矩阵 $K_{ij} = K(x^{(i)}, x^{(j)})$ 是半正定的。

四、SMO 算法

4.1 坐标上升

在介绍 SMO 之前，先理解坐标上升（Coordinate Ascent）的思想：每次只优化一个变量，固定其他变量，循环直到收敛。

对于 SVM 的对偶问题，约束 $\sum \alpha_i y^{(i)} = 0$ 意味着不能独立地改变单个 $\alpha_i$。

4.2 SMO 算法

SMO（Sequential Minimal Optimization）由 John Platt 在 1998 年提出，每次选择两个 $\alpha_i, \alpha_j$ 优化，固定其他变量。

两个变量的子问题有闭式解，因此 SMO 可以高效求解 SVM。

SMO 算法步骤：
1. 选择一对要优化的 $\alpha_i, \alpha_j$（选择违反 KKT 条件最严重的）
2. 固定其他变量，求解只有 $\alpha_i, \alpha_j$ 的子问题
3. 更新 $\alpha_i, \alpha_j$
4. 更新偏置 $b$
5. 重复直到收敛

选择启发式：
- 外层循环：优先选择违反 KKT 条件的 $\alpha_i$
- 内层循环：选择使 $|E_i - E_j|$ 最大的 $\alpha_j$

4.3 软间隔 SVM

现实中数据往往不是线性可分的。引入松弛变量 $\xi_i$ 允许一些样本被误分类：

$$\min_{\theta, b, \xi} \frac{1}{2} |\theta|^2 + C \sum_{i=1}^{m} \xi_i$$

$$\text{s.t.} \quad y^{(i)} (\theta^T x^{(i)} + b) \geq 1 - \xi_i, \quad \xi_i \geq 0$$

$C$ 是正则化参数——控制间隔大小和分类错误的权衡。$C$ 越大，对错误分类的惩罚越大。

from sklearn.svm import SVC

# 线性 SVM
svm_linear = SVC(kernel='linear', C=1.0)
svm_linear.fit(X_train, y_train)

# RBF 核 SVM
svm_rbf = SVC(kernel='rbf', gamma='scale', C=1.0)
svm_rbf.fit(X_train, y_train)

五、总结

1. SVM 通过最大化几何间隔来寻找最优分类超平面
2. 函数间隔受参数缩放影响，几何间隔是真正有意义的距离
3. 对偶问题将 SVM 转化为仅依赖样本内积的形式
4. 核技巧让 SVM 在高效计算的同时实现非线性分类
5. SMO 算法高效求解 SVM 对偶问题
6. 软间隔通过引入松弛变量处理线性不可分情况

六、SVM 实践指南

6.1 SVM 参数调优

SVM 的主要超参数及其影响：

C（正则化参数）：控制对误分类的惩罚力度。
- C 大：更严格的分类，训练误差低但可能过拟合
- C 小：允许更多误分类，但间隔更大，泛化能力更强

γ（gamma，RBF 核参数）：控制高斯核的宽度。
- γ 大：核函数衰减快，每个支持向量的影响范围小，决策边界复杂（易过拟合）
- γ 小：核函数衰减慢，每个支持向量的影响范围大，决策边界平滑（易欠拟合）

在实践中，通常使用网格搜索或随机搜索配合交叉验证来选择 C 和 γ。

6.2 特征缩放

SVM 对特征尺度非常敏感——因为决策边界由样本间距离决定。如果不做特征缩放，尺度大的特征会主导距离计算。务必在训练 SVM 前对特征做标准化或归一化。

6.3 SVM 与逻辑回归的选择

角度	SVM	逻辑回归
特征数 n >> 样本数 m	效果可能不佳	通常更好（正则化效果好）
样本数 m >> 特征数 n	SVM 可以高效处理	逻辑回归也表现良好
特征数 n 小，样本数 m 适中	带核函数的 SVM 效果好	需要特征工程
非线性决策边界	核技巧自然支持	需要手动特征变换
概率输出	需要额外校准	直接输出概率
大规模数据	SMO 训练较慢	SGD 训练高效

6.4 核函数选择指南

• 线性核：当特征数远大于样本数，或数据接近线性可分。线性核 SVM 和逻辑回归效果类似，但可能更快。
• RBF 核：默认选择，适用于大多数非线性问题。只有一个参数 γ 需要调优。
• 多项式核：参数更多（degree, coef0），通常不比 RBF 好，除非你确切知道数据关系是多项式形式。
• 自定义核：当领域知识提供了独特的相似性度量时，可以设计自定义核函数。

核函数的可容许性条件

并非所有函数 $K(x, z)$ 都可以作为核函数。Mercer 定理给出了核函数的可容许性条件：一个对称函数 $K(x, z)$ 可以表示为某个特征映射 $\phi(x)$ 的内积 $\langle\phi(x), \phi(z)\rangle$ 的充要条件是，对于任意有限个数据点，核矩阵 $K$ 是半正定的。核矩阵定义为 $K_{ij} = K(x^{(i)}, x^{(j)})$。

核函数的一个重要性质是封闭性——两个核函数的和、积、以及常数倍仍然是核函数。最常用的核函数组合包括：

$$K(x, z) = (x^Tz + c)^d \quad \text{(多项式核)}$$
$$K(x, z) = \exp\left(-\frac{||x-z||^2}{2\sigma^2}\right) \quad \text{(RBF核)}$$
$$K(x, z) = \tanh(\kappa x^Tz + \theta) \quad \text{(Sigmoid核)}$$

其中 RBF 核（高斯核）等价于无穷维特征空间的内积，因此可以逼近任意复杂的决策边界。

延伸阅读

• 📺 B 站播放列表：Stanford CS229 — 斯坦福机器学习
• 📚 更多学习资源，请访问 deeplearning.ai 官网