mirror of
https://github.com/apachecn/ailearning.git
synced 2026-02-13 15:26:28 +08:00
246 lines
9.1 KiB
Python
246 lines
9.1 KiB
Python
#!/usr/bin/python
|
||
# coding:utf8
|
||
|
||
"""
|
||
Created on Nov 4, 2010
|
||
Update on 2017-03-21
|
||
Chapter 5 source file for Machine Learing in Action
|
||
@author: Peter/geekidentity/片刻
|
||
"""
|
||
from numpy import *
|
||
import matplotlib.pyplot as plt
|
||
|
||
|
||
def loadDataSet(fileName):
|
||
"""
|
||
对文件进行逐行解析，从而得到第行的类标签和整个数据矩阵
|
||
Args:
|
||
fileName 文件名
|
||
Returns:
|
||
dataMat 数据矩阵
|
||
labelMat 类标签
|
||
"""
|
||
dataMat = []
|
||
labelMat = []
|
||
fr = open(fileName)
|
||
for line in fr.readlines():
|
||
lineArr = line.strip().split('\t')
|
||
dataMat.append([float(lineArr[0]), float(lineArr[1])])
|
||
labelMat.append(float(lineArr[2]))
|
||
return dataMat, labelMat
|
||
|
||
|
||
def selectJrand(i, m):
|
||
"""
|
||
随机选择一个整数
|
||
Args:
|
||
i 第一个alpha的下标
|
||
m 所有alpha的数目
|
||
Returns:
|
||
j 返回一个不为i的随机数，在0~m之间的整数值
|
||
"""
|
||
j = i
|
||
while j == i:
|
||
j = int(random.uniform(0, m))
|
||
return j
|
||
|
||
|
||
def clipAlpha(aj, H, L):
|
||
"""clipAlpha(调整aj的值，使aj处于 L<=aj<=H)
|
||
Args:
|
||
aj 目标值
|
||
H 最大值
|
||
L 最小值
|
||
Returns:
|
||
aj 目标值
|
||
"""
|
||
if aj > H:
|
||
aj = H
|
||
if L > aj:
|
||
aj = L
|
||
return aj
|
||
|
||
|
||
def smoSimple(dataMatIn, classLabels, C, toler, maxIter):
|
||
"""smoSimple
|
||
|
||
Args:
|
||
dataMatIn 数据集
|
||
classLabels 类别标签
|
||
C 松弛变量(常量值)，允许有些数据点可以处于分隔面的错误一侧。
|
||
控制最大化间隔和保证大部分的函数间隔小于1.0这两个目标的权重。
|
||
可以通过调节该参数达到不同的结果。
|
||
toler 容错率
|
||
maxIter 退出前最大的循环次数
|
||
Returns:
|
||
b 模型的常量值
|
||
alphas 拉格朗日乘子
|
||
"""
|
||
dataMatrix = mat(dataMatIn)
|
||
# 矩阵转制 和 .T 一样的功能
|
||
labelMat = mat(classLabels).transpose()
|
||
m, n = shape(dataMatrix)
|
||
|
||
# 初始化 b和alphas(alpha有点类似权重值。)
|
||
b = 0
|
||
alphas = mat(zeros((m, 1)))
|
||
|
||
# 没有任何alpha改变的情况下遍历数据的次数
|
||
iter = 0
|
||
while (iter < maxIter):
|
||
# w = calcWs(alphas, dataMatIn, classLabels)
|
||
# print("w:", w)
|
||
|
||
# 记录alpha是否已经进行优化，每次循环时设为0，然后再对整个集合顺序遍历
|
||
alphaPairsChanged = 0
|
||
for i in range(m):
|
||
# print 'alphas=', alphas
|
||
# print 'labelMat=', labelMat
|
||
# print 'multiply(alphas, labelMat)=', multiply(alphas, labelMat)
|
||
# 我们预测的类别 y = w^Tx[i]+b; 其中因为 w = Σ(1~n) a[n]lable[n]x[n]
|
||
fXi = float(multiply(alphas, labelMat).T*(dataMatrix*dataMatrix[i, :].T)) + b
|
||
# 预测结果与真实结果比对，计算误差Ei
|
||
Ei = fXi - float(labelMat[i])
|
||
|
||
# 约束条件 (KKT条件是解决最优化问题的时用到的一种方法。我们这里提到的最优化问题通常是指对于给定的某一函数，求其在指定作用域上的全局最小值。)
|
||
# 0<=alphas[i]<=C，但由于0和C是边界值，我们无法进行优化，因为需要增加一个alphas和降低一个alphas。
|
||
# 表示发生错误的概率：labelMat[i]*Ei 如果超出了 toler， 才需要优化。至于正负号，我们考虑绝对值就对了。
|
||
if ((labelMat[i]*Ei < -toler) and (alphas[i] < C)) or ((labelMat[i]*Ei > toler) and (alphas[i] > 0)):
|
||
|
||
# 如果满足优化的条件，我们就随机选取非i的一个点，进行优化比较
|
||
j = selectJrand(i, m)
|
||
# 预测j的结果
|
||
fXj = float(multiply(alphas, labelMat).T*(dataMatrix*dataMatrix[j, :].T)) + b
|
||
Ej = fXj - float(labelMat[j])
|
||
alphaIold = alphas[i].copy()
|
||
alphaJold = alphas[j].copy()
|
||
|
||
# L和H用于将alphas[j]调整到0-C之间。如果L==H，就不做任何改变，直接执行continue语句
|
||
if (labelMat[i] != labelMat[j]):
|
||
L = max(0, alphas[j] - alphas[i])
|
||
H = min(C, C + alphas[j] - alphas[i])
|
||
else:
|
||
L = max(0, alphas[j] + alphas[i] - C)
|
||
H = min(C, alphas[j] + alphas[i])
|
||
if L == H:
|
||
print("L==H")
|
||
continue
|
||
|
||
# eta是alphas[j]的最优修改量，如果eta==0，需要退出for循环的当前迭代过程
|
||
# 参考《统计学习方法》李航-P125~P128<序列最小最优化算法>
|
||
eta = 2.0 * dataMatrix[i, :]*dataMatrix[j, :].T - dataMatrix[i, :]*dataMatrix[i,:].T - dataMatrix[j, :]*dataMatrix[j, :].T
|
||
if eta >= 0:
|
||
print("eta>=0")
|
||
continue
|
||
|
||
# 计算出一个新的alphas[j]值
|
||
alphas[j] -= labelMat[j]*(Ei - Ej)/eta
|
||
# 并使用辅助函数，以及L和H对其进行调整
|
||
alphas[j] = clipAlpha(alphas[j], H, L)
|
||
# 检查alpha[j]是否只是轻微的改变，如果是的话，就退出for循环。
|
||
if (abs(alphas[j] - alphaJold) < 0.00001):
|
||
print("j not moving enough")
|
||
continue
|
||
# 然后alphas[i]和alphas[j]同样进行改变，虽然改变的大小一样，但是改变的方向正好相反
|
||
alphas[i] += labelMat[j]*labelMat[i]*(alphaJold - alphas[j])
|
||
# 在对alpha[i], alpha[j] 进行优化之后，给这两个alpha值设置一个常数b。
|
||
# w= Σ[1~n] ai*yi*xi => b = yj- Σ[1~n] ai*yi(xi*xj)
|
||
# 所以： b1 - b = (y1-y) - Σ[1~n] yi*(a1-a)*(xi*x1)
|
||
# 为什么减2遍？ 因为是 减去Σ[1~n]，当好2个变量i和j，所以减2遍
|
||
b1 = b - Ei- labelMat[i]*(alphas[i]-alphaIold)*dataMatrix[i,:]*dataMatrix[i,:].T - labelMat[j]*(alphas[j]-alphaJold)*dataMatrix[i,:]*dataMatrix[j,:].T
|
||
b2 = b - Ej- labelMat[i]*(alphas[i]-alphaIold)*dataMatrix[i,:]*dataMatrix[j,:].T - labelMat[j]*(alphas[j]-alphaJold)*dataMatrix[j,:]*dataMatrix[j,:].T
|
||
if (0 < alphas[i]) and (C > alphas[i]):
|
||
b = b1
|
||
elif (0 < alphas[j]) and (C > alphas[j]):
|
||
b = b2
|
||
else:
|
||
b = (b1 + b2)/2.0
|
||
alphaPairsChanged += 1
|
||
print("iter: %d i:%d, pairs changed %d" % (iter, i, alphaPairsChanged))
|
||
# 在for循环外，检查alpha值是否做了更新，如果在更新则将iter设为0后继续运行程序
|
||
# 知道更新完毕后，iter次循环无变化，才推出循环。
|
||
if (alphaPairsChanged == 0):
|
||
iter += 1
|
||
else:
|
||
iter = 0
|
||
print("iteration number: %d" % iter)
|
||
return b, alphas
|
||
|
||
|
||
def calcWs(alphas, dataArr, classLabels):
|
||
"""
|
||
基于alpha计算w值
|
||
Args:
|
||
alphas 拉格朗日乘子
|
||
dataArr feature数据集
|
||
classLabels 目标变量数据集
|
||
|
||
Returns:
|
||
wc 回归系数
|
||
"""
|
||
X = mat(dataArr)
|
||
labelMat = mat(classLabels).transpose()
|
||
m, n = shape(X)
|
||
w = zeros((n, 1))
|
||
for i in range(m):
|
||
w += multiply(alphas[i] * labelMat[i], X[i, :].T)
|
||
return w
|
||
|
||
|
||
def plotfig_SVM(xMat, yMat, ws, b, alphas):
|
||
"""
|
||
参考地址：
|
||
http://blog.csdn.net/maoersong/article/details/24315633
|
||
http://www.cnblogs.com/JustForCS/p/5283489.html
|
||
http://blog.csdn.net/kkxgx/article/details/6951959
|
||
"""
|
||
|
||
xMat = mat(xMat)
|
||
yMat = mat(yMat)
|
||
|
||
# b原来是矩阵，先转为数组类型后其数组大小为（1,1），所以后面加[0]，变为(1,)
|
||
b = array(b)[0]
|
||
fig = plt.figure()
|
||
ax = fig.add_subplot(111)
|
||
|
||
# 注意flatten的用法
|
||
ax.scatter(xMat[:, 0].flatten().A[0], xMat[:, 1].flatten().A[0])
|
||
|
||
# x最大值，最小值根据原数据集dataArr[:, 0]的大小而定
|
||
x = arange(-1.0, 10.0, 0.1)
|
||
|
||
# 根据x.w + b = 0 得到，其式子展开为w0.x1 + w1.x2 + b = 0, x2就是y值
|
||
y = (-b-ws[0, 0]*x)/ws[1, 0]
|
||
ax.plot(x, y)
|
||
|
||
for i in range(shape(yMat[0, :])[1]):
|
||
if yMat[0, i] > 0:
|
||
ax.plot(xMat[i, 0], xMat[i, 1], 'cx')
|
||
else:
|
||
ax.plot(xMat[i, 0], xMat[i, 1], 'kp')
|
||
|
||
# 找到支持向量，并在图中标红
|
||
for i in range(100):
|
||
if alphas[i] > 0.0:
|
||
ax.plot(xMat[i, 0], xMat[i, 1], 'ro')
|
||
plt.show()
|
||
|
||
|
||
if __name__ == "__main__":
|
||
# 获取特征和目标变量
|
||
dataArr, labelArr = loadDataSet('input/6.SVM/testSet.txt')
|
||
# print labelArr
|
||
|
||
# b是常量值， alphas是拉格朗日乘子
|
||
b, alphas = smoSimple(dataArr, labelArr, 0.6, 0.001, 40)
|
||
print '/n/n/n'
|
||
print 'b=', b
|
||
print 'alphas[alphas>0]=', alphas[alphas > 0]
|
||
print 'shape(alphas[alphas > 0])=', shape(alphas[alphas > 0])
|
||
for i in range(100):
|
||
if alphas[i] > 0:
|
||
print dataArr[i], labelArr[i]
|
||
# 画图
|
||
ws = calcWs(alphas, dataArr, labelArr)
|
||
plotfig_SVM(dataArr, labelArr, ws, b, alphas)
|