单类SVM:SVDD

话接上文(SVM的简单推导),这篇文章我们来看单类SVM:SVDD。可能大家会觉得很奇怪,我们为什么需要单分类呢?有篇博客举了一个很有意思的例子。

花果山上的老猴子,一生阅猴无数,但是从来没有见过其它的物种。有一天,猪八戒来到花果山找它们的大王,老猴子一声令下,把这个东西给我绑起来!

这里老猴子很清楚的知道这个外来物种不是同类,但是它究竟是什么,不得而知。老猴子见过很多猴,它知道猴子的特征,而外来生物明显不符合这个特征,所以它就不是猴子。

这就是一个单分类的简单例子。

而美猴王看到这个场景后,哈哈一笑,把这呆子抬过来!

对比二分类,显著的区别就是,二分类不但能得出来这个东西不是猴子,他还能告诉你这个东西叫“呆子”(当然我们的美猴王见多识广,肯定不止是二分类那么简单了)

今天要介绍的SVDD的全称是Support vector domain description。首先让我们简单了解一下domain description,也就是单分类问题。

单分类问题

不像常见的分类问题,单分类问题的目的并不时将不同类别的数据区分开来,而是对某个类别的数据生成一个描述(description)。这里的description比较抽象,可以理解为是样本空间中的一个区域,当某个样本落在这个区域外,我们就认为该样本不属于这个类别。

单类SVM:SVDD_第1张图片
单分类问题

单分类方法常用于异常检测,或者类别极度不平衡的分类任务中。

当我们假设数据服从一个概率分布,我们就可以对这个分布中的参数进行估计了。对于一个新样本,如果这个样本在给定类别的概率分布中的概率小于阈值,就会被判定为异常样本。

但是这样的方法存在的问题是,

  1. 预先假定的概率分布对模型性能的影响很大。
  2. 当特征的维度很大的时候,该方法需要一个很大的数据集。
  3. 一些低密度区域的样本点会被误判为异常样本。

另一种思路就是,在样本空间中为此类数据划定一个大致的边界。如何划定这个边界,就是SVDD要研究的问题啦。

目标函数

假设我们有个样本点,分别为。

我们假设这些样本点分布在一个球心为,半径为的球中。那么样本满足

引入松弛变量,我们允许部分样本不再这个球中,那么

我们的目标是最小球的半径和松弛变量的值,于是目标函数是

其中,是惩罚参数,由人工设置。

对偶问题

使用拉格朗日乘子法,得到拉格朗日函数

其中,是拉格朗日乘子。令拉格朗日函数对的偏导为0,得到

我们可以将看作样本的权重。上式表明所有样本的权重之和为1,而球心是所有样本的加权和。将上式带入到拉格朗日函数中,得到原问题的对偶问题
\begin{align} \max_\alpha\ \ &L(\alpha)=\sum_{i=1}^m\alpha_i{x^{(i)}}^Tx^{(i)}-\sum_{i=1}^m\sum_{j=1}^m \alpha_i\alpha_j{x^{(i)}}^Tx^{(j)}\\ {\rm s.t.}\ \ & 0\le\alpha_i\le C,\\ & \sum_{i=1}^m\alpha_i=1,i=1,2,\cdots,m. \end{align}
当通过求解对偶问题得到后,可以通过计算球心。至于半径,则可以通过计算球与支持向量()之间的距离得到。当时,意味着样本位于球的外面。

判断新样本是否为异常点

对于一个新的样本点,如果它满足下式,那么我们认为它是一个异常点。

展开上式,得

引入核函数

正常情况下,数据并不会呈现球状分布,因此有必要使用核函数的方法提高模型的表达能力。

只需将替换即可。于是对偶问题的目标函数变为

判别函数变为

下面考虑核函数的影响。

多项式核

多项式核函数的表达式如下

如下图所示,多项式核实际上不太适合SVDD。特别是当d取值非常大的时候。

单类SVM:SVDD_第2张图片
在不同的d值下,超球体边界的变化

高斯核

高斯核函数的表达式如下

如下图,相比于多项式核函数,高斯核函数的结果就合理多了。可以看到模型的复杂程度随着的增大而减小。

单类SVM:SVDD_第3张图片
在不同的s值下,超球体边界的变化

在python中使用

可通过下面的代码在python中使用单类SVM

from sklearn.svm import OneClassSVM

参考文献

  1. Tax D M J, Duin R P W. Support vector domain description[J]. Pattern recognition letters, 1999, 20(11-13): 1191-1199.

你可能感兴趣的:(单类SVM:SVDD)