上節課我們主要介紹了Kernel SVM。先將特徵轉換和計算內積這兩個步驟合併起來，簡化計算、提高計算速度，再用Dual SVM的求解方法來解決。Kernel SVM不僅能解決簡單的線性分類問題，也可以求解非常複雜甚至是無限多維的分類問題，關鍵在於核函式的選擇，例如線性核函式、多項式核函式和高斯核函式等等。但是，我們之前講的這些方法都是Hard-Margin SVM，即必須將所有的樣本都分類正確才行。這往往需要更多更復雜的特徵轉換，甚至造成過擬合。本節課將介紹一種Soft-Margin SVM，目的是讓分類錯誤的點越少越好，而不是必須將所有點分類正確，也就是允許有noise存在。這種做法很大程度上不會使模型過於複雜，不會造成過擬合，而且分類效果是令人滿意的。
1. Motivation and Primal Problem
上節課我們說明了一點，就是SVM同樣可能會造成overfit。原因有兩個，一個是由於我們的SVM模型（即kernel）過於複雜，轉換的維度太多，過於powerful了；另外一個是由於我們堅持要將所有的樣本都分類正確，即不允許錯誤存在，造成模型過於複雜。如下圖所示，左邊的圖\Phi_1是線性的，雖然有幾個點分類錯誤，但是大部分都能完全分開。右邊的圖\Phi_4是四次多項式，所有點都分類正確了，但是模型比較複雜，可能造成過擬合。直觀上來說，左邊的圖是更合理的模型。
如何避免過擬合？方法是允許有分類錯誤的點，即把某些點當作是noise，放棄這些noise點，但是儘量讓這些noise個數越少越好。回顧一下我們在機器學習基石筆記中介紹的pocket演算法，pocket的思想不是將所有點完全分開，而是找到一條分類線能讓分類錯誤的點最少。而Hard-Margin SVM的目標是將所有點都完全分開，不允許有錯誤點存在。為了防止過擬合，我們可以借鑑pocket的思想，即允許有犯錯誤的點，目標是讓這些點越少越好。
為了引入允許犯錯誤的點，我們將Hard-Margin SVM的目標和條件做一些結合和修正，轉換為如下形式：
修正後的條件中，對於分類正確的點，仍需滿足y_n(w^Tz_n+b)\geq 1，而對於noise點，滿足y_n(w^Tz_n+b)\geq -\infty，即沒有限制。修正後的目標除了\frac12w^Tw項，還新增了y_n\neq sign(w^Tz_n+b)，即noise點的個數。引數C的引入是為了權衡目標第一項和第二項的關係，即權衡large margin和noise tolerance的關係。
我們再對上述的條件做修正，將兩個條件合併，得到：
這個式子存在兩個不足的地方。首先，最小化目標中第二項是非線性的，不滿足QP的條件，所以無法使用dual或者kernel SVM來計算。然後，對於犯錯誤的點，有的離邊界很近，即error小，而有的離邊界很遠，error很大，上式的條件和目標沒有區分small error和large error。這種分類效果是不完美的。
為了改正這些不足，我們繼續做如下修正：
修正後的表示式中，我們引入了新的引數\xi_n來表示每個點犯錯誤的程度值，\xi_n\geq0。通過使用error值的大小代替是否有error，讓問題變得易於求解，滿足QP形式要求。這種方法類似於我們在機器學習基石筆記中介紹的0/1 error和squared error。這種soft-margin SVM引入新的引數\xi。
至此，最終的Soft-Margin SVM的目標為：
min(b,w,\xi)\ \frac12w^Tw+C\cdot\sum_{n=1}^N\xi_n
條件是：
y_n(w^Tz_n+b)\geq 1-\xi_n
\xi_n\geq0
其中，\xi_n表示每個點犯錯誤的程度，\xi_n=0，表示沒有錯誤，\xi_n越大，表示錯誤越大，即點距離邊界（負的）越大。引數C表示儘可能選擇寬邊界和儘可能不要犯錯兩者之間的權衡，因為邊界寬了，往往犯錯誤的點會增加。large C表示希望得到更少的分類錯誤，即不惜選擇窄邊界也要儘可能把更多點正確分類；small C表示希望得到更寬的邊界，即不惜增加錯誤點個數也要選擇更寬的分類邊界。
與之對應的QP問題中，由於新的引數\xi_n的引入，總共引數個數為\hat d+1+N，限制條件新增了\xi_n\geq0，則總條件個數為2N。
2. Dual Problem
接下來，我們將推導Soft-Margin SVM的對偶dual形式，從而讓QP計算更加簡單，並便於引入kernel演算法。首先，我們把Soft-Margin SVM的原始形式寫出來：
然後，跟我們在第二節課中介紹的Hard-Margin SVM做法一樣，構造一個拉格朗日函式。因為引入了\xi_n，原始問題有兩類條件，所以包含了兩個拉格朗日因子\alpha_n和\beta_n。拉格朗日函式可表示為如下形式：
接下來，我們跟第二節課中的做法一樣，利用Lagrange dual problem，將Soft-Margin SVM問題轉換為如下形式：
根據之前介紹的KKT條件，我們對上式進行簡化。上式括號裡面的是對拉格朗日函式L(b,w,\xi,\alpha,\beta)計算最小值。那麼根據梯度下降演算法思想：最小值位置滿足梯度為零。
我們先對\xi_n做偏微分：
\frac{\partial L}{\partial \xi_n}=0=C-\alpha_n-\beta_n
根據上式，得到\beta_n=C-\alpha_n，因為有\beta_n\geq0，所以限制0\leq\alpha_n\leq C。將\beta_n=C-\alpha_n代入到dual形式中並化簡，我們發現\beta_n和\xi_n都被消去了：
這個形式跟Hard-Margin SVM中的dual形式是基本一致的，只是條件不同。那麼，我們分別令拉個朗日函式L對b和w的偏導數為零，分別得到：
\sum_{n=1}^N\alpha_ny_n=0
w=\sum_{n=1}^N\alpha_ny_nz_n
經過化簡和推導，最終標準的Soft-Margin SVM的Dual形式如下圖所示：
Soft-Margin SVM Dual與Hard-Margin SVM Dual基本一致，只有一些條件不同。Hard-Margin SVM Dual中\alpha_n\geq0，而Soft-Margin SVM Dual中0\leq\alpha_n\leq C，且新的拉格朗日因子\beta_n=C-\alpha_n。在QP問題中，Soft-Margin SVM Dual的引數\alpha_n同樣是N個，但是，條件由Hard-Margin SVM Dual中的N+1個變成2N+1個，這是因為多了N個\alpha_n的上界條件。
對於Soft-Margin SVM Dual這部分推導不太清楚的同學，可以看下第二節課的筆記：臺灣大學林軒田機器學習技法課程學習筆記2 — Dual Support Vector Machine
3. Messages behind Soft-Margin SVM
推導完Soft-Margin SVM Dual的簡化形式後，就可以利用QP，找到Q，p，A，c對應的值，用軟體工具包得到\alpha_n的值。或者利用核函式的方式，同樣可以簡化計算，優化分類效果。Soft-Margin SVM Dual計算\alpha_n的方法過程與Hard-Margin SVM Dual的過程是相同的。
但是如何根據\alpha_n的值計算b呢？在Hard-Margin SVM Dual中，有complementary slackness條件：\alpha_n(1-y_n(w^Tz_n+b))=0，找到SV，即\alpha_s>0的點，計算得到b=y_s-w^Tz_s。
那麼，在Soft-Margin SVM Dual中，相應的complementary slackness條件有兩個（因為兩個拉格朗日因子\alpha_n和\beta_n）：
\alpha_n(1-\xi_n-y_n(w^Tz_n+b))=0
\beta_n\xi_n=(C-\alpha_n)\xi=0
找到SV，即\alpha_s>0的點，由於引數\xi_n的存在，還不能完全計算出b的值。根據第二個complementary slackness條件，如果令C-\alpha_n\neq0，即\alpha_n\neq C，則一定有\xi_n=0，代入到第一個complementary slackness條件，即可計算得到b=y_s-w^Tz_s。我們把0<\alpha_s<C的點稱為free SV。引入核函式後，b的表示式為：
b=y_s-\sum_{SV}\alpha_ny_nK(x_n,x_s)
上面求解b提到的一個假設是\alpha_s<C，這個假設是否一定滿足呢？如果沒有free SV，所有\alpha_s大於零的點都滿足\alpha_s=C怎麼辦？一般情況下，至少存在一組SV使\alpha_s<C的概率是很大的。如果出現沒有free SV的情況，那麼b通常會由許多不等式條件限制取值範圍，值是不確定的，只要能找到其中滿足KKT條件的任意一個b值就可以了。這部分細節比較複雜，不再贅述。
接下來，我們看看C取不同的值對margin的影響。例如，對於Soft-Margin Gaussian SVM，C分別取1，10，100時，相應的margin如下圖所示：
從上圖可以看出，C=1時，margin比較粗，但是分類錯誤的點也比較多，當C越來越大的時候，margin越來越細，分類錯誤的點也在減少。正如前面介紹的，C值反映了margin和分類正確的一個權衡。C越小，越傾向於得到粗的margin，寧可增加分類錯誤的點；C越大，越傾向於得到高的分類正確率，寧可margin很細。我們發現，當C值很大的時候，雖然分類正確率提高，但很可能把noise也進行了處理，從而可能造成過擬合。也就是說Soft-Margin Gaussian SVM同樣可能會出現過擬合現象，所以引數(\gamma,C)的選擇非常重要。
我們再來看看\alpha_n取不同值是對應的物理意義。已知0\leq\alpha_n\leq C滿足兩個complementary slackness條件：
\alpha_n(1-\xi_n-y_n(w^Tz_n+b))=0
\beta_n\xi_n=(C-\alpha_n)\xi=0
若\alpha_n=0，得\xi_n=0。\xi_n=0表示該點沒有犯錯，\alpha_n=0表示該點不是SV。所以對應的點在margin之外（或者在margin上），且均分類正確。
若0<\alpha_n<C，得\xi_n=0，且y_n(w^Tz_n+b)=1。\xi_n=0表示該點沒有犯錯，y_n(w^Tz_n+b)=1表示該點在margin上。這些點即free SV，確定了b的值。
若\alpha_n=C，不能確定\xi_n是否為零，且得到1-y_n(w^Tz_n+b)=\xi_n，這個式表示該點偏離margin的程度，\xi_n越大，偏離margin的程度越大。只有當\xi_n=0時，該點落在margin上。所以這種情況對應的點在margin之內負方向（或者在margin上），有分類正確也有分類錯誤的。這些點稱為bounded SV。
所以，在Soft-Margin SVM Dual中，根據\alpha_n的取值，就可以推斷資料點在空間的分佈情況。
4. Model Selection
在Soft-Margin SVM Dual中，kernel的選擇、C等引數的選擇都非常重要，直接影響分類效果。例如，對於Gaussian SVM，不同的引數(C,\gamma)，會得到不同的margin，如下圖所示。
其中橫座標是C逐漸增大的情況，縱座標是\gamma逐漸增大的情況。不同的(C,\gamma)組合，margin的差別很大。那麼如何選擇最好的(C,\gamma)等引數呢？最簡單最好用的工具就是validation。
validation我們在機器學習基石課程中已經介紹過，只需要將由不同(C,\gamma)等引數得到的模型在驗證集上進行cross validation，選取E_{cv}最小的對應的模型就可以了。例如上圖中各種(C,\gamma)組合得到的E_{cv}如下圖所示：
因為左下角的E_{cv}(C,\gamma)最小，所以就選擇該(C,\gamma)對應的模型。通常來說，E_{cv}(C,\gamma)並不是(C,\gamma)的連續函式，很難使用最優化選擇（例如梯度下降）。一般做法是選取不同的離散的(C,\gamma)值進行組合，得到最小的E_{cv}(C,\gamma)，其對應的模型即為最佳模型。這種演算法就是我們之前在機器學習基石中介紹過的V-Fold cross validation，在SVM中使用非常廣泛。
V-Fold cross validation的一種極限就是Leave-One-Out CV，也就是驗證集只有一個樣本。對於SVM問題，它的驗證集Error滿足：
E_{loocv}\leq \frac{SV}{N}
也就是說留一法驗證集Error大小不超過支援向量SV佔所有樣本的比例。下面做簡單的證明。令樣本總數為N，對這N個點進行SVM分類後得到margin，假設第N個點(x_N,y_N)的\alpha_N=0，不是SV，即遠離margin（正距離）。這時候，如果我們只使用剩下的N-1個點來進行SVM分類，那麼第N個點(x_N,y_N)必然是分類正確的點，所得的SVM margin跟使用N個點的到的是完全一致的。這是因為我們假設第N個點是non-SV，對SV沒有貢獻，不影響margin的位置和形狀。所以前N-1個點和N個點得到的margin是一樣的。
那麼，對於non-SV的點，它的g^-=g，即對第N個點，它的Error必然為零：
e_{non-SV}=err(g^-,non-SV)=err(g,non-SV)=0
另一方面，假設第N個點\alpha_N\neq0，即對於SV的點，它的Error可能是0，也可能是1，必然有：
e_{SV}\leq1
綜上所述，即證明了E_{loocv}\leq \frac{SV}{N}。這符合我們之前得到的結論，即只有SV影響margin，non-SV對margin沒有任何影響，可以捨棄。
SV的數量在SVM模型選擇中也是很重要的。一般來說，SV越多，表示模型可能越複雜，越有可能會造成過擬合。所以，通常選擇SV數量較少的模型，然後在剩下的模型中使用cross-validation，比較選擇最佳模型。
5. 總結
本節課主要介紹了Soft-Margin SVM。我們的出發點是與Hard-Margin SVM不同，不一定要將所有的樣本點都完全分開，允許有分類錯誤的點，而使margin比較寬。然後，我們增加了\xi_n作為分類錯誤的懲罰項，根據之前介紹的Dual SVM，推匯出了Soft-Margin SVM的QP形式。得到的\alpha_n除了要滿足大於零，還有一個上界C。接著介紹了通過\alpha_n值的大小，可以將資料點分為三種：non-SVs，free SVs，bounded SVs，這種更清晰的物理解釋便於資料分析。最後介紹瞭如何選擇合適的SVM模型，通常的辦法是cross-validation和利用SV的數量進行篩選。
註明：
文章中所有的圖片均來自臺灣大學林軒田《機器學習技法》課程
更多AI資源請關注公眾號：紅色石頭的機器學習之路（ID：redstonewill）
