機器學習-支持向量機（SVM:Support Vector Machine）案例

2019 年 10 月 7 日
筆記

背景介紹

我第一次聽到「支持向量機」這個名字，我覺得，如果這個名字本身聽起來那麼複雜，那麼這個概念的表述將超出我的理解範圍。幸運的是，我看到了一些大學講座視頻，並意識到這個工具是多麼簡單有效。在本文中，我們將討論支持向量機如何工作。本文適合那些對此算法知之甚少且對學習新技術有好奇心的讀者。在以下文章中，我們將詳細探討該技術，並分析這些技術比其他技術更強的案例。

什麼是分類分析？

讓我們考慮一個例子來理解這些概念。我們的人口佔50％-50％的男性和女性。使用這個群體的樣本，您想要創建一些規則，這些規則將指導我們其他人口的性別等級。使用這種算法，我們打算建立一個機械人，可以識別一個人是男性還是女性。這是分類分析的樣本問題。使用一些規則，我們將嘗試將人口分為兩個可能的部分。為簡單起見，我們假設確定的兩個區別因素是：個體的身高和頭髮長度。以下是樣本的散點圖。

圖中的藍色圓圈表示女性，綠色方塊表示男性。圖中的一些預期見解是：

我們人口中的男性平均身高較高。

我們人口中的女性頭皮較長。

如果我們看到一個身高180厘米，頭髮長度為4厘米的人，我們最好的猜測是將這個人歸類為男性。這就是我們進行分類分析的方法。

什麼是支持向量，什麼是SVM？

支持向量只是個別觀察的坐標。例如，（45,150）是對應於女性的支持向量。支持向量機是一個最好的男性與女性隔離的邊界。在這種情況下，這兩個類很好地相互分離，因此更容易找到SVM。

如何找到手頭的支持向量機？

有許多可能的前沿可以對問題進行分類。以下是三個可能的邊界。

我們如何確定哪個是這個特定問題陳述的最佳前沿？

解釋SVM中目標函數的最簡單方法是找到邊界與最近支持向量的最小距離（這可以屬於任何類）。例如，橙色邊界最接近藍色圓圈。最近的藍色圓圈距離邊境2個單位。一旦我們擁有所有邊界的這些距離，我們只需選擇具有最大距離的邊界（距離最近的支持向量）。在顯示的三個邊界中，我們看到黑色邊界距離最近的支撐向量（即15個單位）最遠。

如果我們找不到隔離類的乾淨邊界怎麼辦？

在這個商業案例中，我們的工作相對容易找到SVM。如果分發看起來如下所示怎麼辦？

在這種情況下，我們看不到直接在當前平面中的直線邊界，它可以作為SVM。在這種情況下，我們需要將這些矢量映射到更高維度的平面，以便它們彼此隔離。一旦我們開始制定SVM，就會涵蓋這些案例。現在，您可以想像這種轉換將導致以下類型的SVM。

原始分佈中的每個綠色正方形都映射到變換後的比例尺上。變換後的規模明顯偏離了階級。已經提出了許多算法來進行這些變換，其中一些將在以下文章中討論。

接下來看使用Python的Scikit-learn的SVM案例：

'''  The following code is for Support Vector Machines  Created by - ANALYTICS VIDHYA  '''  # importing required libraries  import pandas as pd  from sklearn.svm import SVC  from sklearn.metrics import accuracy_score    # read the train and test dataset  train_data = pd.read_csv('train-data.csv')  test_data = pd.read_csv('test-data.csv')    # shape of the dataset  print('Shape of training data :',train_data.shape)  print('Shape of testing data :',test_data.shape)    # Now, we need to predict the missing target  # variable in the test data  # target variable - Survived    # seperate the independent and target variable on training data  train_x = train_data.drop(columns=['Survived'],axis=1)  train_y = train_data['Survived']    # seperate the independent and target variable on testing data  test_x = test_data.drop(columns=['Survived'],axis=1)  test_y = test_data['Survived']  model = SVC()    # fit the model with the training data  model.fit(train_x,train_y)    # predict the target on the train dataset  predict_train = model.predict(train_x)  print('Target on train data',predict_train)    # Accuray Score on train dataset  accuracy_train = accuracy_score(train_y,predict_train)  print('accuracy_score on train dataset : ', accuracy_train)    # predict the target on the test dataset  predict_test = model.predict(test_x)  print('Target on test data',predict_test)    # Accuracy Score on test dataset  accuracy_test = accuracy_score(test_y,predict_test)  print('accuracy_score on test dataset : ', accuracy_test)

上面代碼運行結果：

Shape of training data : (712, 25)  Shape of testing data : (179, 25)  Target on train data [0 1 1 0 0 0 0 0 0 0 0 1 0 1 0 0 1 0 0 1 0 0 1 0 0 0 0 0 0 1 1 0 0 0 0 0 1   1 0 0 0 0 0 1 1 1 0 0 1 0 1 0 0 1 0 0 0 0 1 0 1 1 1 1 0 1 0 11 0 0 0 0 0   0 1 1 0 0 1 0 0 1 1 1 0 0 1 1 1 1 0 1 0 0 0 0 0 1 0 0 1 0 1 11 0 0 0 1 0   0 0 1 0 1 0 0 1 0 1 0 0 1 0 0 1 1 0 0 1 0 0 0 1 1 1 0 0 0 0 00 1 0 1 1 0   0 0 0 1 1 0 0 1 0 0 1 0 1 0 0 1 1 0 0 1 0 0 0 0 0 0 0 0 0 0 00 0 1 0 0 1   0 1 1 1 1 0 0 1 0 1 0 0 1 1 1 1 1 0 0 1 1 1 1 0 0 0 0 1 0 0 00 0 0 0 0 0   0 0 0 0 0 0 0 0 1 0 1 0 0 1 0 0 0 0 0 0 0 1 0 1 0 0 0 0 1 1 01 0 0 0 0 0   1 1 1 0 1 1 1 0 1 1 0 0 1 0 0 0 1 1 0 0 0 0 0 0 0 1 1 0 0 1 10 0 0 1 0 0   0 0 0 1 0 1 1 0 0 0 1 0 0 0 0 0 1 0 1 1 0 0 0 0 1 0 1 1 0 0 10 0 1 0 0 1   0 0 0 1 0 0 1 1 0 0 0 0 0 0 0 0 1 0 0 0 0 1 1 1 1 0 0 0 0 0 00 0 0 0 0 0   0 0 0 0 0 0 1 0 0 1 0 1 0 0 1 0 0 1 0 0 0 0 0 1 0 0 1 1 1 1 01 0 0 1 1 0   0 1 1 0 0 0 0 0 0 0 1 0 1 0 0 1 0 0 1 0 0 0 0 1 1 0 1 0 1 1 00 0 0 1 0 0   0 1 0 0 0 0 0 0 1 0 0 1 0 0 0 0 1 0 0 0 0 0 0 1 0 0 0 0 1 1 10 0 0 0 1 0   0 0 1 1 1 0 0 0 0 1 1 0 1 0 0 0 1 1 1 0 0 0 0 0 0 0 0 0 0 0 10 0 0 1 1 1   0 0 0 0 0 1 0 0 0 1 0 1 0 1 1 1 0 0 0 0 0 0 1 1 0 0 0 0 1 1 11 0 1 0 0 0   0 0 0 1 1 0 0 1 0 0 1 0 1 1 0 1 0 0 1 0 0 0 0 0 0 1 0 0 0 0 11 0 1 1 1 0   1 0 0 0 0 1 0 1 0 0 0 0 1 0 0 0 0 1 1 0 1 0 0 0 1 0 1 1 0 0 10 0 0 0 0 1   0 0 0 1 0 1 0 1 0 0 1 1 0 0 0 1 1 0 0 1 0 0 0 1 1 1 0 1 0 0 01 0 1 0 0 0   1 0 0 0 0 0 0 1 0 0 1 0 1 0 0 1 1 0 0 0 1 0 0 0 0 0 1 0 0 0 10 0 1 0 1 0   1 0 1 1 1 0 0 1 0]  accuracy_score on train dataset :  0.8497191011235955  Target on test data [0 0 0 1 1 0 0 0 0 0 0 0 1 0 0 0 0 0 1 0 00 0 0 1 0 0 1 0 1 1 0 1 0 1 0 0   1 0 0 0 0 0 0 0 1 0 0 1 1 1 0 0 0 1 0 0 1 1 1 0 1 1 1 0 0 1 00 0 1 0 0 1   1 0 0 0 0 0 0 0 0 0 1 0 1 1 0 0 0 0 1 0 1 1 0 0 0 0 1 1 0 1 01 0 1 0 1 1   0 1 0 0 1 1 1 1 1 1 0 1 0 0 1 1 0 0 1 0 0 0 0 1 1 0 1 1 0 1 01 0 0 0 0 1   0 0 0 0 1 0 0 0 0 1 0 0 0 1 0 0 0 0 1 0 1 0 1 1 1 1 0 0 0 0 0]  accuracy_score on test dataset :  0.7206703910614525

結束筆記

支持向量機是非常強大的分類算法。當與隨機森林和其他機器學習工具結合使用時，它們為集合模型提供了非常不同的維度。因此，它們對於需要非常高的預測能力的情況變得非常重要。由於配方的複雜性，這些算法稍微難以可視化。您會發現這些算法對於解決一些Kaggle問題語句非常有用。