支持向量机是另一种简单的算法，它性能相对较好，计算成本较低。在回归中，SVM 通过在 N 维空间（N 个特征）中找到一个超平面来工作，该超平面适合多维数据，同时考虑边距。在分类中，计算相同的超平面，但在考虑余量的同时再次对数据点进行明确分类。可以选择许多可能的超平面。然而，目标是找到具有最大边距的超平面，即目标类之间的最大距离。 SVM 可用于回归和分类问题，但它被广泛用于分类。 在我们继续之前，让我们解释一些术语。 是用于将数据转换为更高维度的函数。 内核 是分隔类别的线（用于分类问题）。对于回归，它是我们拟合数据以预测持续结果值的线。 超平面 是形成我们之前提到的错误区域的线。它们是围绕超平面的两条线，代表边距。 边界线 是最接近这些边界线的数据点。 支持向量 核心 我们提到内核是将我们的数据转换为更高维度的函数。那么这对我们有什么用呢？ 有时数据的分布方式无法通过使用线性线（分隔符）获得精确拟合。 SVR 可以使用核函数处理高度非线性的数据。该函数隐式地将特征映射到更高的维度，这意味着更高的特征空间。这使我们也可以使用线性超平面来描述它。 最常用的三个内核是： 线性核 多项式内核： 径向基函数 (RBF) - 适合处理重叠数据 支持向量回归 (SVR) 与线性回归模型类似，SVR 也试图找到最适合数据集的曲线。记住我们的数据集方程，它具有线性回归的一个特征： y=w1x1+c 考虑到同样具有一个特征的数据集的 SVR，等式看起来很相似，但考虑到了错误。 −e≤y−(w1x1+c)≤e 查看等式，可以清楚地看到在成本计算中只考虑 e 误差区域之外的点。 通过使用类似于多项式回归中的高维特征项，SVR 当然也可以用于具有更多特征的复杂数据集。 当超平面与可能的最大点数重合时，它最适合数据。我们确定边界线（e 的值，即与超平面的距离），以便离超平面最近的点位于边界线内。 请记住，因为边距（边界线之间）是可以容忍的，它不会被计算为错误。我想你已经可以想象这个术语将如何让我们调整模型的复杂性（欠拟合/过拟合）。 import numpy as np from sklearn.svm import SVR import matplotlib.pyplot as plt np.random.seed(5) X = np.sort(5 * np.random.rand(40, 1), axis=0) T = np.linspace(0, 5, 5)[:, np.newaxis] y = np.sin(X).ravel() # Add noise to targets y[::5] += 1 * (0.5 - np.random.rand(8)) # Fit regression model SVR_rbf = SVR(kernel='rbf' ) SVR_lin = SVR(kernel='linear') SVR_poly = SVR(kernel='poly') y_rbf = SVR_rbf.fit(X, y).predict(X) y_lin = SVR_lin.fit(X, y).predict(X) y_poly = SVR_poly.fit(X, y).predict(X) # look at the results plt.scatter(X, y, c='k', label='data') plt.plot(X, y_rbf, c='b', label='RBF') plt.plot(X, y_lin, c='r',label='Linear') plt.plot(X, y_poly, c='g',label='Polynomial') plt.xlabel('data') plt.ylabel('outcome') plt.title('Support Vector Regression') plt.legend() plt.show() 用于分类的支持向量机 我们已经看到了“支持向量机 (SVM)”算法如何用于回归。对于分类，这个想法实际上几乎相同。事实上，SVM 主要用于分类问题。我相信你已经可以想象为什么…… 对于回归，我们提到 SVM 会尝试找到最适合数据集的曲线，然后使用该曲线对新点进行预测。好吧，可以很容易地使用相同的曲线将数据分类为两个不同的类别。对于具有 n 维的多维空间（意味着具有 n 个特征的数据），该模型拟合一个最能区分这两个类别的超平面（也称为决策边界）。记住我们解释内核的回归部分的图像...... 边距是每个类中两个最近点之间的距离，即从超平面到最近点（支持向量）的距离。最适合数据的超平面，也就是最好地将两个类分开的超平面，是具有最大可能边距的超平面。因此，SVM 算法搜索具有最大边距（到最近点的距离）的超平面。 就像我们在回归部分已经提到的那样，某些数据集不适合被线性超平面分类……在这种情况下，“内核技巧”再次帮助我们将数据隐式映射到更高维度，因此可以要由线性超平面分类的数据。由于我们已经讨论了内核类型及其工作原理，我将继续一个实现示例…… 让我们继续使用 scikit learn 库中的癌症数据集： from sklearn.datasets import load_breast_cancer from sklearn.model_selection import train_test_split X, y = load_breast_cancer(return_X_y = True) X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42) X_sub = X[:, 0:2] # create a mesh to plot in x_min, x_max = X_sub[:, 0].min() - 1, X_sub[:, 0].max() + 1 y_min, y_max = X_sub[:, 1].min() - 1, X_sub[:, 1].max() + 1 h = (x_max / x_min)/100 xx, yy = np.meshgrid(np.arange(x_min, x_max, h), np.arange(y_min, y_max, h)) #import the SVM model from sklearn import svm C = 1.0 # SVM regularization parameter svc = svm.SVC(kernel='linear').fit(X_sub, y) #play with this, change kernel to rbf plt.subplot(1, 1, 1) Z = svc.predict(np.c_[xx.ravel(), yy.ravel()]) Z = Z.reshape(xx.shape) plt.contourf(xx, yy, Z, cmap=plt.cm.Paired, alpha=0.8) plt.scatter(X_sub[:, 0], X_sub[:, 1], c=y, cmap=plt.cm.Paired) plt.scatter(X_sub[svc.support_, 0], X_sub[svc.support_, 1],c='k', cmap=plt.cm.Paired) plt.xlabel('Sepal length') plt.ylabel('Sepal width') plt.xlim(xx.min(), xx.max()) plt.title('SVC with linear kernel') plt.show() #Create and instance of the classifier model with a linear kernel lsvm = svm.SVC(kernel="linear") #fit the model to our train split from previous example lsvm.fit(X_train,y_train) #Make predictions using the test split so we can evaluate its performance y_pred = lsvm.predict(X_test) 让我们通过将预测与测试集中的真实值进行比较来比较模型的性能…… from sklearn import metrics print("Accuracy:",metrics.accuracy_score(y_test, y_pred)) print("Precision:",metrics.precision_score(y_test, y_pred)) print("Recall:",metrics.recall_score(y_test, y_pred)) 我们能够达到 95.6% 的准确率，这非常好。让我们比较一下训练和测试的分数来检查是否过拟合…… print("training set score: %f" % lsvm.score(X_train, y_train)) print("test set score: %f" % lsvm.score(X_test, y_test)) 训练分数似乎比测试分数高一点。我们可以说这个模型是过拟合的，虽然不多。 如果你喜欢这个，请随时关注我以获得更多免费的机器学习教程和课程！
