SVM, kernel módszerek Szabó Zoltán. Tartalomjegyzék Példák, szemlélet Definíciók: –margin, support vektor –pozitív definit, Gram-mtx, kernel –RKHS, feature.

Az előadások a következő témára: "SVM, kernel módszerek Szabó Zoltán. Tartalomjegyzék Példák, szemlélet Definíciók: –margin, support vektor –pozitív definit, Gram-mtx, kernel –RKHS, feature."— Előadás másolata:

1 SVM, kernel módszerek Szabó Zoltán

2 Tartalomjegyzék Példák, szemlélet Definíciók: –margin, support vektor –pozitív definit, Gram-mtx, kernel –RKHS, feature leképezés –regularizációs feladat (spec: SVM), QP Reprezentációs tétel Kernelek jellemzése Kapcsolat más feladatosztályokkal Gyűjtőoldal: http://www.kernel-machines.org/

3 Példa I. Osztályozás: ? 

4 Hipersík tanfolyam {x: =0} {x: +b=0} w w |b| / ||w|| Origó {x: +b>0} {x: +b<0}

5 Elválasztó hipersík marginja d + : H-hoz legközelebbi pont táv-a a + osztályból d - : uígy Margin: d=d + +d - H1H1 H2H2 H={x: +b=0} d-d- d+d+ + osztály - osztály w

6 SVMC alapgondolata: large margin elv Tanítóminta: (x i,y i ), i=1…l, y i : +/- 1 Cél: szétválasztó hipersík [(w,b) pár], amely jól általánosít SVMC: –Halmazok közti választóvonalat keres, amely mindkét halmaztól ugyanolyan távol van. –Az ilyenek közül a legnagyobb marginnal rendelkezőt választja.

7 Nagy margin elv rajzban ?

8 Formálisan I/a. Fix w irány mellett, (w,b) alkalmas,,felszorzásával’’ elérhető, hogy d + = d - = 1/||w||, így margin = 2 / ||w||  max Maximumot minimalizálásra cserélve, a feladat: support vektor (SV) H opt

9 Formálisan I/b Idáig lineárisan szétválasztható problémával foglalkoztunk Az általános esetben ún. soft margin megoldásokhoz folyamodhatunk: –törekvés a helyes osztályozásra –az eltérést büntetjük Példa:

10 Formálisan I/c. Tanítóminta: (x i,y i ), i=1…l, y i : +/- 1 f [w,b] (x)= +b= f [w,b] (x)= +b= Cél (minimalizálandó költség): 0, ha y i =1 esetén f(x i ) >= +1, 0, ha y i =1 esetén f(x i ) >= +1, y i =-1-re f(x i ) <= -1 y i =-1-re f(x i ) <= -1 |x| +

11 Példa II. Fourier köntösű SVM: –Közelítő függvény család: Trigonometrikus fg-ek:  (x)=(,sin(x),cos(x),…sin(Nx), cos(Nx)) Cél (klasszikus SVM feladat): |x| --  

12 A Fourier trafó F: Fourier transzformáció [pl: L 1 (R)  L  (R)] Művelettartó leképezés

13 Példa III. Közelítés polinomokkal: –Interpoláció: f(x i )=y i, i=1,… –avagy más alakban: f(x)= = –avagy más alakban: f(x)= = xixi

14 Formálisan III. A pontos közelítés (interpoláció) helyett: –Cél: Emlék:

15 Idáig Feature leképezés: –  : x  X (minta tér)  [H (feature tér), ] Közelítő fg osztály: –f(x)= + b, ahol w  H Feladat: az (x i,y i ), i=1…l mintán Lesz: – =k(x,y) kernel (implicit megadás) –  (x)=k(.,x)

16 Kvadratikus programozás (QP) Feladat: Matlab: quadprog QP-megoldó megoldás feladat pl

17 Klasszikus SVM feladat (regresszió) Közelítés formája: f(x)= +b Minimalizálandó funkcionál: Átskálázva ekvivalens forma:

18 Primál-duál program Primál QP: Duál QP: KKT

19 A kernel trükk Ha van egy algoritmus, ami megfogalmazható pusztán skalárszorzat segítségével, az kernelesíthető. –Például: kernel PCA, -ICA, -hebbi tanulás, … A kernel trükk: –Ha X euklideszi tér: alg. H-ra való nem-lin. ált.-a –Ha X halmaz: Skalárszorzat-vért = hasonlóság az Input-térre

20 Szövegeken hasonlósági mérték Alkalmazás: DNS, szövegkategorizálás ABC:  ={A,T,G,C} bázis,  ={a,…z} Szavak (sztringek):  * DNS Feature leképezés, ami  : u  *  H –  (u)=(…,  (u=v), …), ahol v   * –L:={b 1,…,b n } lexikon (szavak/szótagok):  (u)=(…,s i * |b i  u|,…), i=1…n, s i súlyok explicit megadás

21 Döntési felület (osztályozás) Döntési felület: D(w)={x  X: =0}  {y  H: =0} w ++ + - -  X: minta tér H: feature tér Feature térben lineárisMinta térben nem (feltétlenül) lineáris

22 Döntési felület: példa R 2 = X  x=(x 1,x 2 )   (x)=(x 1,x 2 2,x 1 x 2 ) T Ekkor D(w), ahol w=(w 1,w 2,w 3 ) T, a másodfokú egyenlet megoldó képlete szerint:

23 Feature leképezés helyett: RKHS Pozitív definit (k: X  X-n): –X: tetsz. nem-üres halmaz (pl: [0,1], R m ) –k(x,y) valós értékű, szimmetrikus –~, ha  n,  (x 1,…x n )  X n esetén G=[k(x i,x j )] mtx pozitív szemidefinit. Más nevén kernel. Asszociáció: –k: pozitív definit  H=H(k) RKHS. Ez X-en értelmezett valós értékű fg-ekből áll.  feature tér  feature tér

24 RKHS definíciója Fg-ek az X-n alkossanak H Hilbert teret. Ekkor a k(x,y) (ahol x,y  X) szimmetrikus függvényt reprodukáló kernelnek hívjuk H- n, ha –k(.,x) fg-ek  H (bármely x  X-re) –f(x)=, bármely x  X, f  H esetén. Reprodukáló tulajdonság Ekkor H-t RKHS-nek nevezzük.

25 H=H(k): RKHS konstrukciója k(.,x), x  X fg-ek az építőelemek. Ezek véges lineáris kombinációinak a véges lineáris kombinációinak a skalárszorzat által indukált norma szerinti teljessé tétel lesz H. skalárszorzat által indukált norma szerinti teljessé tétel lesz H.

26 RKHS példa Legyen  (x)=x, ahol (X, ) Hilbert tér. Ekkor k(x,y)= =. Uez a tér k felől megkonstruálva: –k(.,x)= –k(.,x)= –Véges lineáris kombinációk: f(.)=  i a i (x i  X) Skalárszorzat: [, ]=k(x,y)= Skalárszorzat: [, ]=k(x,y)= –Az x  1-1 értelmű művelettartó leképezés, és X teljes, ezért H-n nincs szükség teljessé tételre.

27 Reprezentációs tétel Adott: –mintahalmaz, X (mintatér), k(ernel), –g: [0,  )  R U{  } monoton növő. Ekkor az f  H(k) regularizált funkcionált minimalizáló fg-nek van alakú reprezentációja.

28 Következmény Elég: által megparaméterezett által megparaméterezett formában keresni az optimális megoldást. formában keresni az optimális megoldást. Speciálisan: RBF-háló f [w] (x)= f [w] (x)=

29 RBF kernel: érdekesség Az RBF kernel egy végtelen dimenziós egységgömb felületére képez Egységgömbre, hiszen:

30 Kernelek konstruálása Tfh.: k i kernelek. Ekkor az alábbiak is azok: –k(x,y)=k 1 (x,y) +k 2 (x,y) –k(x,y)=c*k(x,y) –k(x,y)= k 1 (x,y)+c –k(x,y)=k 1 (x,y)*k 2 (x,y) –k(x,y)=lim n->  k n (x,y) –k(x,y)=  i [k i (x i,y i )] –k(x,y)=  i [k i (x i,y i )] –k(x,y)=f(x)*f(y), bármely f: X  R fg-re ahol c: nem-negatív szám. kúp szorzattér (  ) RnRn spec.

31 Következmény Teljes polinomális kernel analógiájára: Exponensbe rakható: Normalizálás a feature térben (  nélkül!):

32 Kapcsolatok SVM, kernel módszerek Gauss folyamatok (GP) Regularizáció Ritka reprezentáció Bayesi keretben (MAP becslés)

33 http://www.kernel-machines.org/ Irodalom: –bevezetések, publikációk –könyvek (ingyen is) Szoftver: –Témák: SVM, GP, mixture models, LP, QP –Nyelvek: Matlab ( ), C(++), FORTRAN

34

35 Gauss folyamatok (GP) I. z(x): (x  X) 0 várható értékű, gauss folyamat k(x,y)=E[z(x)z(y)]: kovariancia X yx k(x,y)

36 GP II. F(k):= ezen sztochasztikus folyamat által feszített Hilbert tér, azaz véges lineáris kombinációk és ezek limeszei a véges lineáris kombinációk és ezek limeszei a skalárszorzat által indukált norma értelmében. skalárszorzat által indukált norma értelmében.

37 Izometrikus izomorfia tétel Parzen tétel: létezik M izometrikus izomorfia H(k) és F(k) közt, azaz másszóval művelet-, skalárszorzattartó, 1-1 értelmű leképezés (X: fix). másszóval művelet-, skalárszorzattartó, 1-1 értelmű leképezés (X: fix).

38 Ritka reprezentáció Girosi: –Feltételek: zajtalan adatok: f(x i )=y i,c   =0, ahol f  H a közelítendő célfg =0, ahol f  H a közelítendő célfg –Ekkor ekvivalensek: Ritka feladat: SVM (duálja): |x|