台湾大学林轩田机器学习技法课程学习笔记6 -- Support Vector Regression

红色石头的个人网站：redstonewill.com

上节课我们主要介绍了Kernel Logistic Regression，讨论如何把SVM的技巧应用在soft-binary classification上。方法是使用2-level learning，先利用SVM得到参数b和w，然后再用通用的logistic regression优化算法，通过迭代优化，对参数b和w进行微调，得到最佳解。然后，也介绍了可以通过Representer Theorem，在z空间中，引入SVM的kernel技巧，直接对logistic regression进行求解。本节课将延伸上节课的内容，讨论如何将SVM的kernel技巧应用到regression问题上。

Kernel Ridge Regression

首先回顾一下上节课介绍的Representer Theorem，对于任何包含正则项的L2-regularized linear model，它的最佳化解w都可以写成是z的线性组合形式，因此，也就能引入kernel技巧，将模型kernelized化。

那么如何将regression模型变成kernel的形式呢？我们之前介绍的linear/ridge regression最常用的错误估计是squared error，即$err(y,w^Tz)=(y-w^Tz)^2$。这种形式对应的解是analytic solution，即可以使用线性最小二乘法，通过向量运算，直接得到最优化解。那么接下来我们就要研究如何将kernel引入到ridge regression中去，得到与之对应的analytic solution。

我们先把Kernel Ridge Regression问题写下来：

其中，最佳解$w_*$必然是z的线性组合。那么我们就把$w_*=sum_{n=1}^Nbeta_nz_n$代入到ridge regression中，将z的内积用kernel替换，把求$w_*$的问题转化成求$beta_n$的问题，得到：

ridge regression可以写成矩阵的形式，其中第一项可以看成是$beta_n$的正则项，而第二项可以看成是$beta_n$的error function。这样，我们的目的就是求解该式最小化对应的$beta_n$值，这样就解决了kernel ridge regression问题。

求解$beta_n$的问题可以写成如下形式：

$E_{aug}(beta)$是关于$beta$的二次多项式，要对$E_{aug}(beta)$求最小化解，这种凸二次最优化问题，只需要先计算其梯度，再令梯度为零即可。$nabla E_{aug}(beta)$已经在上式中写出来了，令其等于零，即可得到一种可能的$beta$的解析解为：

这里需要关心的问题是$(lambda I+K)$的逆矩阵是否存在？答案是肯定的。因为我们之前介绍过，核函数K满足Mercer’s condition，它是半正定的，而且$lambda>0$，所以$(lambda I+K)$一定是可逆的。从计算的时间复杂上来说，由于$(lambda I+K)$是NxN大小的，所以时间复杂度是$O(N^3)$。还有一点，$nabla E_{aug}(beta)$是由两项乘积构成的，另一项是K，会不会出现K=0的情况呢？其实，由于核函数K表征的是z空间的内积，一般而言，除非两个向量互相垂直，内积才为零，否则，一般情况下K不等于零。这个原因也决定了$(lambda I+K)$是dense matrix，即$beta$的解大部分都是非零值。这个性质，我们之后还会说明。

所以说，我们可以通过kernel来解决non-linear regression的问题。下面比较一下linear ridge regression和kernel ridge regression的关系。

如上图所示，左边是linear ridge regression，是一条直线；右边是kernel ridge regression，是一条曲线。大致比较一下，右边的曲线拟合的效果更好一些。这两种regression有什么样的优点和缺点呢？对于linear ridge regression来说，它是线性模型，只能拟合直线；其次，它的训练复杂度是$O(d^3+d^2N)$，预测的复杂度是$O(d)$，如果N比d大很多时，这种模型就更有效率。而对于kernel ridge regression来说，它转换到z空间，使用kernel技巧，得到的是非线性模型，所以更加灵活；其次，它的训练复杂度是$O(N^3)$，预测的复杂度是$O(N)$，均只与N有关。当N很大的时候，计算量就很大，所以，kernel ridge regression适合N不是很大的场合。比较下来，可以说linear和kernel实际上是效率（efficiency）和灵活（flexibility）之间的权衡。

Support Vector Regression Primal

我们在机器学习基石课程中介绍过linear regression可以用来做classification，那么上一部分介绍的kernel ridge regression同样可以来做classification。我们把kernel ridge regression应用在classification上取个新的名字，叫做least-squares SVM（LSSVM）。

先来看一下对于某个问题，soft-margin Gaussian SVM和Gaussian LSSVM结果有哪些不一样的地方。

如上图所示，如果只看分类边界的话，soft-margin Gaussian SVM和Gaussian LSSVM差别不是很大，即的到的分类线是几乎相同的。但是如果看Support Vector的话（图中方框标注的点），左边soft-margin Gaussian SVM的SV不多，而右边Gaussian LSSVM中基本上每个点都是SV。这是因为soft-margin Gaussian SVM中的$alpha_n$大部分是等于零，$alpha_n>0$的点只占少数，所以SV少。而对于LSSVM，我们上一部分介绍了$beta$的解大部分都是非零值，所以对应的每个点基本上都是SV。SV太多会带来一个问题，就是做预测的矩$g(x)=sum_{n=1}^Nbeta_nK(x_n,x)$，如果$beta_n$非零值较多，那么g的计算量也比较大，降低计算速度。基于这个原因，soft-margin Gaussian SVM更有优势。

那么，针对LSSVM中dense $beta$的缺点，我们能不能使用一些方法来的得到sparse $beta$，使得SV不会太多，从而得到和soft-margin SVM同样的分类效果呢？下面我们将尝试解决这个问题。

方法是引入一个叫做Tube Regression的做法，即在分类线上下分别划定一个区域（中立区），如果数据点分布在这个区域内，则不算分类错误，只有误分在中立区域之外的地方才算error。

假定中立区的宽度为$2epsilon$，$epsilon>0$,那么error measure就可以写成：$err(y,s)=max(0,|s-y|-epsilon)$，对应上图中红色标注的距离。

通常把这个error叫做$epsilon$-insensitive error，这种max的形式跟我们上节课中介绍的hinge error measure形式其实是类似的。所以，我们接下来要做的事情就是将L2-regularized tube regression做类似于soft-margin SVM的推导，从而得到sparse $beta$。

首先，我们把tube regression中的error与squared error做个比较：

然后，将err(y,s)与s的关系曲线分别画出来：

上图中，红色的线表示squared error，蓝色的线表示tube error。我们发现，当|s-y|比较小即s比较接近y的时候，squared error与tube error是差不多大小的。而在|s-y|比较大的区域，squared error的增长幅度要比tube error大很多。error的增长幅度越大，表示越容易受到noise的影响，不利于最优化问题的求解。所以，从这个方面来看，tube regression的这种error function要更好一些。

现在，我们把L2-Regularized Tube Regression写下来：

这个最优化问题，由于其中包含max项，并不是处处可微分的，所以不适合用GD/SGD来求解。而且，虽然满足representer theorem，有可能通过引入kernel来求解，但是也并不能保证得到sparsity $beta$。从另一方面考虑，我们可以把这个问题转换为带条件的QP问题，仿照dual SVM的推导方法，引入kernel，得到KKT条件，从而保证解$beta$是sparse的。

所以，我们就可以把L2-Regularized Tube Regression写成跟SVM类似的形式：

值得一提的是，系数$lambda$和C是反比例相关的，$lambda$越大对应C越小，$lambda$越小对应C越大。而且该式也把$w_0$即b单独拿了出来，这跟我们之前推导SVM的解的方法是一致的。

现在我们已经有了Standard Support Vector Regression的初始形式，这还是不是一个标准的QP问题。我们继续对该表达式做一些转化和推导：

如上图右边所示，即为标准的QP问题，其中$xi_n^{bigvee}$和$xi_n^{bigwedge}$分别表示upper tube violations和lower tube violations。这种形式叫做Support Vector Regression（SVR） primal。

SVR的标准QP形式包含几个重要的参数：C和$epsilon$。C表示的是regularization和tube violation之间的权衡。large C倾向于tube violation，small C则倾向于regularization。$epsilon$表征了tube的区域宽度，即对错误点的容忍程度。$epsilon$越大，则表示对错误的容忍度越大。$epsilon$是可设置的常数，是SVR问题中独有的，SVM中没有这个参数。另外，SVR的QP形式共有$hat{d}+1+2N$个参数，2N+2N个条件。

Support Vector Regression Dual

现在我们已经得到了SVR的primal形式，接下来将推导SVR的Dual形式。首先，与SVM对偶形式一样，先令拉格朗日因子$alpha^{bigvee}$和$alpha^{bigwedge}$，分别是与$xi_n^{bigvee}$和$xi_n^{bigwedge}$不等式相对应。这里忽略了与$xi_n^{bigvee}geq0$和$xi_n^{bigwedge}geq0$对应的拉格朗日因子。

然后，与SVM一样做同样的推导和化简，拉格朗日函数对相关参数偏微分为零，得到相应的KKT条件：

接下来，通过观察SVM primal与SVM dual的参数对应关系，直接从SVR primal推导出SVR dual的形式。（具体数学推导，此处忽略！）

最后，我们就要来讨论一下SVR的解是否真的是sparse的。前面已经推导了SVR dual形式下推导的解w为：

相应的complementary slackness为：

对于分布在tube中心区域内的点，满足$|w^Tz_n+b-y_n|<epsilon$，此时忽略错误，$xi_n^{bigvee}$和$xi_n^{bigwedge}$都等于零。则complementary slackness两个等式的第二项均不为零，必然得到$alpha_n^{bigwedge}=0$和$alpha_n^{bigvee}=0$，即$beta_n=alpha_n^{bigwedge}-alpha_n^{bigvee}=0$。

所以，对于分布在tube内的点，得到的解$beta_n=0$，是sparse的。而分布在tube之外的点，$beta_nneq0$。至此，我们就得到了SVR的sparse解。

Summary of Kernel Models

这部分将对我们介绍过的所有的kernel模型做个概括和总结。我们总共介绍过三种线性模型，分别是PLA/pocket，regularized logistic regression和linear ridge regression。这三种模型都可以使用国立台湾大学的Chih-Jen Lin博士开发的Liblinear库函数来解决。

另外，我们介绍了linear soft-margin SVM，其中的error function是$hat{err}_{svm}$，可以通过标准的QP问题来求解。linear soft-margin SVM和PLA/pocket一样都是解决同样的问题。然后，还介绍了linear SVR问题，它与linear ridge regression一样都是解决同样的问题，从SVM的角度，使用$err_{tube}$，转换为QP问题进行求解，这也是我们本节课的主要内容。

上图中相应的模型也可以转化为dual形式，引入kernel，整体的框图如下：

其中SVM，SVR和probabilistic SVM都可以使用国立台湾大学的Chih-Jen Lin博士开发的LLibsvm库函数来解决。通常来说，这些模型中SVR和probabilistic SVM最为常用。

总结

本节课主要介绍了SVR，我们先通过representer theorem理论，将ridge regression转化为kernel的形式，即kernel ridge regression，并推导了SVR的解。但是得到的解是dense的，大部分为非零值。所以，我们定义新的tube regression，使用SVM的推导方法，来最小化regularized tube errors，转化为对偶形式，得到了sparse的解。最后，我们对介绍过的所有kernel模型做个总结，简单概述了各自的特点。在实际应用中，我们要根据不同的问题进行合适的模型选择。

注明：

文章中所有的图片均来自台湾大学林轩田《机器学习技法》课程

更多AI资源请关注公众号：红色石头的机器学习之路（ID：redstonewill）

最后

以上就是腼腆糖豆为你收集整理的台湾大学林轩田机器学习技法课程学习笔记6 -- Support Vector Regression的全部内容，希望文章能够帮你解决台湾大学林轩田机器学习技法课程学习笔记6 -- Support Vector Regression所遇到的程序开发问题。

如果觉得靠谱客网站的内容还不错，欢迎将靠谱客网站推荐给程序员好友。