【Deep-ML系列】Pegasos Kernel SVM Implementation(手写支持向量机)

引言

支持向量机(SVM)是机器学习领域中一种非常强大的分类算法,广泛应用于各种分类任务。今天,我们将深入探讨SVM中的Pegasos算法及其与核函数的结合。通过代码示例和详细解释,我们将理解Pegasos算法如何逐步调整模型参数,从而优化分类器的性能。

Pegasos算法概述

Pegasos算法(Primal Estimated sub-GrAdient SOlver for SVM)是一种用于训练SVM的在线学习算法。与标准的SVM优化方法不同,Pegasos通过随机梯度下降(SGD)逐步更新模型参数,使得算法在处理大规模数据时更加高效。

在每次迭代中,Pegasos只对一个或一小部分样本进行参数更新,这与传统的批量梯度下降不同。这个特点使得Pegasos在处理大规模数据集时有明显的速度优势。

核函数的作用

核函数的引入是SVM的一个重要特性,使得它能够处理线性不可分的数据。核函数通过将原始数据映射到一个更高维度的空间,在这个空间中,数据可能变得线性可分。

我们讨论了两种常用的核函数:

  • 线性核函数:直接计算两个样本的点积,适用于线性可分的数据。
  • RBF(径向基函数)核:计算两个样本的高斯距离,适用于非线性可分的数据。
代码解析
python 复制代码
import numpy as np


def linear_kernel(x, y):
    return np.dot(x, y)


def rbf_kernel(x, y, sigma=1.0):
    return np.exp(-np.linalg.norm(x - y) ** 2 / (2 * (sigma ** 2)))


def pegasos_kernel_svm(data, labels, kernel='linear', lambda_val=0.01, iterations=100, sigma=1.0):
    n_samples = len(data)
    alphas = np.zeros(n_samples)
    b = 0

    for t in range(1, iterations + 1):
        for i in range(n_samples):
            eta = 1.0 / (lambda_val * t)
            if kernel == 'linear':
                kernel_func = linear_kernel
            elif kernel == 'rbf':
                kernel_func = lambda x, y: rbf_kernel(x, y, sigma)

            decision = sum(alphas[j] * labels[j] * kernel_func(data[j], data[i]) for j in range(n_samples)) + b
            if labels[i] * decision < 1:
                alphas[i] += eta * (labels[i] - lambda_val * alphas[i])
                b += eta * labels[i]

    return np.round(alphas, 4).tolist(), np.round(b, 4)


if __name__ == '__main__':
    data = np.array([[1, 2], [2, 3], [3, 1], [4, 1]])
    labels = np.array([1, 1, -1, -1])
    kernel = 'rbf'
    lambda_val = 0.01
    iterations = 100
    print(pegasos_kernel_svm(data, labels, kernel, lambda_val, iterations))
相关推荐
飞桨PaddlePaddle1 小时前
Wan2.1和HunyuanVideo文生视频模型算法解析与功能体验丨前沿多模态模型开发与应用实战第六期
人工智能·算法·百度·音视频·paddlepaddle·飞桨·deepseek
Y1nhl2 小时前
搜广推校招面经八十一
开发语言·人工智能·pytorch·深度学习·机器学习·推荐算法·搜索算法
Starry_hello world2 小时前
C++ 快速幂算法
c++·算法·有问必答
石去皿3 小时前
力扣hot100 91-100记录
算法·leetcode·职场和发展
SsummerC4 小时前
【leetcode100】组合总和Ⅳ
数据结构·python·算法·leetcode·动态规划
2301_807611495 小时前
77. 组合
c++·算法·leetcode·深度优先·回溯
小墙程序员6 小时前
机器学习入门(二)线性回归
机器学习
SsummerC6 小时前
【leetcode100】零钱兑换Ⅱ
数据结构·python·算法·leetcode·动态规划
追逐☞6 小时前
机器学习(7)——K均值聚类
机器学习·均值算法·聚类
好易学·数据结构7 小时前
可视化图解算法:二叉树的最大深度(高度)
数据结构·算法·二叉树·最大高度·最大深度·二叉树高度·二叉树深度