sklearn支持向量机

支持向量机SVM(Support Vector Machine)是一种用来进行模式识别、分类、回归的机器学习模型。

SVM原理描述

模型表示

以一个客户好坏分类为案例，客户信息如下所示：

添加图片注释，不超过 140 字（可选）

客户信息数轴表示如下所示：

添加图片注释，不超过 140 字（可选）

以数学表达式对上述信息进行描述，可以用下式进行表示：

添加图片注释，不超过 140 字（可选）

然而该方法对于大型数据集容易发生拟合，且过于复杂。

因此可以忽略一些点，进行一刀切，如下所示：

添加图片注释，不超过 140 字（可选）

但是该方法容易导致错分率高。因此SVM就是找一种方式正确的描述分类方程。

超平面

添加图片注释，不超过 140 字（可选）

因此该超平面的公式可以用下式进行表示：

其中v是样本向量，在二维空间v=(x,y)，在三维空间v=(x,y,z)。w是参数向量，在二维空间w=(A,B),在三维空间w=(A,B,C)。

添加图片注释，不超过 140 字（可选）

因此上述距离公式可以表示为：

超平面确定

SVM目标是找到一个超平面，使得其在两个类中间分开。并使得该超平面到两边的距离最大，如下图所示：

添加图片注释，不超过 140 字（可选）

但是如果对于线性不可分的情况，如下图所示：

添加图片注释，不超过 140 字（可选）

此时上述方式无法确定超平面。在SVM在则是通过升维的方式解决。例如：

添加图片注释，不超过 140 字（可选）

因此SVM在一维空间上解决线性不可分割的问题是把函数映射到二维空间。同样在n维空间的线性不可分割问题映射到n+1维空间。而这种映射分类函数，在svm用核函数（kernel）进行构造。

因此支持向量机具体算法步骤为：

1. 把所有的样本和其标记交给算法进行训练
2. 如果线性可分则直接找出超平面
3. 如果线性不可分，进行映射找出超平面
4. 得到超平面表达式，进行分类回归

sklearn实现

在sklearn支持向量机主要用SVC类支持。SVC所支持的和函数有linear(线性和函数）、rbf(径向基核函数)、sigmoid(神经元激活函数)等，通常推荐使用rbf函数。以客户评价为例代码如下：

from sklearn import svm
import numpy as np
#年龄
X = np.array([[34, 33, 32, 31, 30, 30, 25, 23, 22, 18]])
X = X.T
#质量
y = [1, 0, 1, 0, 1, 1, 0, 1, 0, 1]
 
clf = svm.SVC(kernel='rbf').fit(X, y)
 
p = [[30]]
print(clf.predict(p)) #1

函数其他参数改动可参考官网文档：svm

参考资料

[1] svm: http://scikit-learn.org/stable/modules/svm.html#svm