线性可分支持向量机(SVM)原理与实现 - 基于GenTang/intro_ds项目分析
2025-06-29 23:12:49作者:农烁颖Land
引言
支持向量机(Support Vector Machine, SVM)是一种强大的监督学习算法,特别适用于分类任务。本文将通过GenTang/intro_ds项目中的线性可分SVM实现代码,深入讲解SVM的核心原理和实际应用。
线性可分SVM基础概念
线性可分SVM的核心思想是找到一个最优超平面,将不同类别的数据点分开,并使两类数据点到这个超平面的最小距离最大化。这个最优超平面被称为最大间隔超平面。
关键术语解释
- 支持向量:距离超平面最近的样本点,决定了超平面的位置
- 间隔(margin):两个平行于超平面且分别经过正负类支持向量的平面之间的距离
- 决策边界:用于分类的超平面
代码实现解析
1. 数据生成
项目提供了两种数据生成函数:
def generateSeparatableData(n):
# 生成线性可分数据
np.random.seed(2046)
X = np.r_[np.random.randn(n, 2) - [1, 1], np.random.randn(n, 2) + [3, 3]]
Y = [[0]] * n + [[1]] * n
data = np.concatenate((Y, X), axis=1)
data = pd.DataFrame(data, columns=["y", "x1", "x2"])
return data
def generateInseparatableData(n):
# 生成线性不可分数据
data = generateSeparatableData(n)
inseparatable = [[1, -1, 1.5], [0, 3, 1]]
inseparatable = pd.DataFrame(inseparatable, columns=["y", "x1", "x2"])
data = data.append(inseparatable)
return data
generateSeparatableData
生成两组正态分布数据,分别以(-1,-1)和(3,3)为中心generateInseparatableData
在可分数据基础上添加两个异常点,使数据变得线性不可分
2. 模型训练
def trainModel(data):
# 训练SVM模型
model = SVC(C=1e4, kernel="linear")
model.fit(data[["x1", "x2"]], data["y"])
return model
这里使用了sklearn
的SVC
类,关键参数:
C=1e4
:设置很大的惩罚系数,使模型更倾向于找到完美分类的超平面kernel="linear"
:使用线性核函数
3. 结果可视化
def visualize(data, model=None):
# 可视化结果
fig = plt.figure(figsize=(6, 6), dpi=80)
ax = fig.add_subplot(1, 1, 1)
# 绘制数据点
label1 = data[data["y"]>0]
ax.scatter(label1[["x1"]], label1[["x2"]], marker="o")
label0 = data[data["y"]==0]
ax.scatter(label0[["x1"]], label0[["x2"]], marker="^", color="k")
if model is not None:
# 绘制决策边界和间隔
w = model.coef_
a = -w[0][0] / w[0][1]
xx = np.linspace(-3, 5)
yy = a * xx - (model.intercept_) / w[0][1]
yy_down = yy - 1 / w[0][1]
yy_up = yy + 1 / w[0][1]
ax.plot(xx, yy, "r")
ax.plot(xx, yy_down, "r--")
ax.plot(xx, yy_up, "r--")
plt.show()
可视化部分展示了:
- 不同类别数据点的分布(圆形和三角形)
- 决策边界(红色实线)
- 间隔边界(红色虚线)
数学原理深入
超平面方程
决策超平面可以表示为: w·x + b = 0
其中:
- w是法向量,决定超平面的方向
- b是位移项,决定超平面与原点的距离
间隔计算
两个间隔边界的方程分别为: w·x + b = 1 w·x + b = -1
间隔距离为:2/||w||
优化目标
SVM的优化目标是最大化间隔,等价于最小化||w||²/2: min 1/2 ||w||² s.t. y_i(w·x_i + b) ≥ 1, ∀i
实际应用中的注意事项
- 线性可分性:真实数据往往不是严格线性可分的,这时需要引入松弛变量
- 参数C的选择:C值越大对误分类的惩罚越大,可能导致过拟合
- 特征缩放:SVM对特征的尺度敏感,建议先进行标准化处理
- 核函数选择:线性不可分时可考虑使用非线性核函数
总结
通过GenTang/intro_ds项目中的线性可分SVM实现,我们学习了:
- SVM的基本原理和最大间隔思想
- 如何使用scikit-learn实现线性SVM
- 如何可视化和解释SVM模型结果
- SVM的数学基础和优化目标
线性可分SVM是理解更复杂SVM模型的基础,掌握这些概念对于后续学习非线性SVM和核方法至关重要。
登录后查看全文
热门项目推荐
Hunyuan3D-Part
腾讯混元3D-Part00Hunyuan3D-Omni
腾讯混元3D-Omni:3D版ControlNet突破多模态控制,实现高精度3D资产生成00GitCode-文心大模型-智源研究院AI应用开发大赛
GitCode&文心大模型&智源研究院强强联合,发起的AI应用开发大赛;总奖池8W,单人最高可得价值3W奖励。快来参加吧~0274community
本项目是CANN开源社区的核心管理仓库,包含社区的治理章程、治理组织、通用操作指引及流程规范等基础信息011Hunyuan3D-2
Hunyuan3D 2.0:高分辨率三维生成系统,支持精准形状建模与生动纹理合成,简化资产再创作流程。Python00Spark-Chemistry-X1-13B
科大讯飞星火化学-X1-13B (iFLYTEK Spark Chemistry-X1-13B) 是一款专为化学领域优化的大语言模型。它由星火-X1 (Spark-X1) 基础模型微调而来,在化学知识问答、分子性质预测、化学名称转换和科学推理方面展现出强大的能力,同时保持了强大的通用语言理解与生成能力。Python00GOT-OCR-2.0-hf
阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00- HHowToCook程序员在家做饭方法指南。Programmer's guide about how to cook at home (Chinese only).Dockerfile09
- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00
热门内容推荐
1 freeCodeCamp猫照片应用教程中的HTML注释测试问题分析2 freeCodeCamp全栈开发课程中React实验项目的分类修正3 freeCodeCamp课程视频测验中的Tab键导航问题解析4 freeCodeCamp音乐播放器项目中的函数调用问题解析5 freeCodeCamp论坛排行榜项目中的错误日志规范要求6 freeCodeCamp JavaScript高阶函数中的对象引用陷阱解析7 freeCodeCamp全栈开发课程中React组件导出方式的衔接问题分析8 freeCodeCamp英语课程视频测验选项与提示不匹配问题分析9 freeCodeCamp课程页面空白问题的技术分析与解决方案10 freeCodeCamp博客页面工作坊中的断言方法优化建议
最新内容推荐
项目优选
收起

deepin linux kernel
C
22
6

OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
153
1.98 K

本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
505
42

Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
8
0

React Native鸿蒙化仓库
C++
194
279

旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
992
395

🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
938
554

本项目是CANN开源社区的核心管理仓库,包含社区的治理章程、治理组织、通用操作指引及流程规范等基础信息
332
11

openGauss kernel ~ openGauss is an open source relational database management system
C++
146
191

为非计算机科班出身 (例如财经类高校金融学院) 同学量身定制,新手友好,让学生以亲身实践开源开发的方式,学会使用计算机自动化自己的科研/创新工作。案例以量化投资为主线,涉及 Bash、Python、SQL、BI、AI 等全技术栈,培养面向未来的数智化人才 (如数据工程师、数据分析师、数据科学家、数据决策者、量化投资人)。
Python
75
70