Coursera machine learning week7: Support Vector Machines
Download as PPTX, PDF3 likes1,602 views
Courseraのmachine learningコース、Week 7のSVMに関する勉強会スライドです。
Coursera machine learning week7: Support Vector Machines
- 1. Coursera Machine Learning Week 7 SVM, SVM with Kernel 2016/12/06 Koki Kawasaki
- 2. agenda • 講義要約 – Large Margin Classification • Optimization Objective • Large Margin Intuition • Mathematics Behind Large Margin Classification – Kernels • Kernels I • Kernels II – SVMs in Practice • Using An SVM – Quiz • 課題 2
- 3. Large Margin Classification Optimization Objective 3 SVMとは、LogisticRegressionの目的関数 を としたもの！
- 4. Large Margin Classification Optimization Objective 4 SVMとは、LogisticRegressionの目的関数 を としたもの！
- 5. Large Margin Classification Optimization Objective 5 SVMとは、LogisticRegressionの目的関数 を としたもの！ シグモイド関数に logをかませたもの シグモイド関数に logをかませたもの 0 1 0.5 -1 0 0.5 0 1 0.5 -1 0 0.5 ヒンジ損失関数って呼ぶらしい
- 6. Large Margin Classification Optimization Objective 6 SVMとは、LogisticRegressionの目的関数 を としたもの！ シグモイド関数に logをかませたもの シグモイド関数に logをかませたもの 0 1 0.5 -1 0 0.5 0 1 0.5 -1 0 0.5 Optimizationに 影響を与えない 定数項mを削除λの代わりにC ヒンジ損失関数って呼ぶらしい
- 7. Large Margin Classification Optimization Objective 7 以下の仮説関数を用いて予測。 （マージンを取った中間ということと理解） 学習 これを解いて、目的関数を最小化する最適なθを求める。 予測
- 8. Large Margin Classification Large Margin Intuition • SVMがやってること。 – 決定境界から一番近いデータ点までの距離（マージン）を最大化する ような手法 • 決定境界とは（おさらい） – 仮説関数が0を予測するか、1を予測するかの境界となる（xの）直線 のこと。 SVMの決定境界 = 0
- 9. Large Margin Classification Large Margin Intuition • SVMがやってること。 – 決定境界から一番近いデータ点までの距離（マージン）を最大化する ような手法 • 決定境界とは（おさらい） – 仮説関数が0を予測するか、1を予測するかの境界となる（xの）直線 のこと。 SVMの決定境界 = 0SVMは、この マージンを最大化するように θを決定する
- 10. Large Margin Classification Mathematics Behind Large Margin Classification • 数学的な理解 – 以下の場合を考える • 線形分離可能（決定境界でデータを完全に 二分できる） • Θ_0 = 0 10 =0 線形分離可能
- 11. Large Margin Classification Mathematics Behind Large Margin Classification • 数学的な理解 11 ベクトルθ 決定境界 ベクトルθ 決定境界 小さいと θ最小化できない θを最小化したい good bad x1 x2 の最大化 α：ベクトルθとx(i)のなす角 緑色の線
- 12. agenda • 講義要約 – Large Margin Classification • Optimization Objective • Large Margin Intuition • Mathematics Behind Large Margin Classification – Kernels • Kernels I • Kernels II – SVMs in Practice • Using An SVM – Quiz • 課題 12
- 13. Kernels Kernels I • SVMは、線形分離可能な問題に対する解法 • SVM with Kernelは、 非線形分離な問題に対する解法
- 14. • まとめスライド • 真面目に解説 – そもそもKernel – 学習 • ランドマーク作成 • Ｆ計算 • 最適化、最適なθ • SVM with Kernelの学習フェーズは直観的な理解は難しい – 予測 • 予測したい入力データｘ • Ｆ計算、θの解釈 • 具体例 14
- 15. Kernels Kernels I • Kernel法とは、 • SVM with Kernelとは、 – SVMで使うデータxを、類似度関数（e.g. Gaussian Kernel）で高次元の特徴ベクトルに変換してから、 SVMでOptimizationする方法 パターン認識の目的は、一般に、 データの構造(例えばクラスタ、ランキング、主成分、相関、分類)を見つけだし、研究することに ある。 この目的を達成するために、 カーネル法ではデータを高次元の特徴空間上へ写像する。 特徴空間の各座標はデータ要 素の一つの特徴に対応し、特徴空間への写像（特徴写像）によりデータの集合はユークリッド空間中の点の集合に変換される。 特徴空間におけるデータの構造の分析に際しては、様々な方法がカーネル法と組み合わせて用いられる。 特徴写像としては多 様な写像を使うことができ(一般に非線形写像が使われる)、 それに対応してデータの多様な構造を見いだすことができる。 （Wikipediaより引用） データをそのまま使わずに、カーネル関数を用いて高次 元の特徴ベクトルに変換してから使うような手法
- 18. Kernels Kernels II • （真面目な説明）SVM with Kernelがやっていること 学習 ①ランドマーク作成 ②類似度f の計算 ③コスト関数最小化 x1 x2 ①所与のデータ から、ランドマーク を作成 ぶっちゃけ学習フェーズは直観的な理解は難しいです
- 19. Kernels Kernels II • （真面目な説明）SVM with Kernelがやっていること 学習 ①ランドマーク作成 ②類似度f の計算 ③コスト関数最小化 ②各x(i)について、以下の類似度 を求める x1 x2 ：類似度関数によって定義された ランドマークl とデータx との距離 1.0 平均がl(j)、高さ?が 1.0のガウス分布 l(j)とx(i)が近いほど1.0に近い値を、 遠ければ0に近い値を返す 類似度関数 （カーネル関数） Gaussian Kernel
- 20. Kernels Kernels II • （真面目な説明）SVM with Kernelがやっていること 学習 ①ランドマーク作成 ②類似度f の計算 ③コスト関数最小化 x1 x2 ②各x(i)について、以下の類似度 を求める
- 21. Kernels Kernels II • （真面目な説明）SVM with Kernelがやっていること 学習 ①ランドマーク作成 ②類似度f の計算 ③コスト関数最小化 x1 x2 ②各x(i)について、以下の類似度 を求める
- 22. Kernels Kernels II • （真面目な説明）SVM with Kernelがやっていること 学習 ①ランドマーク作成 ②類似度f の計算 ③コスト関数最小化 ②各x(i)について、以下の類似度 を求める x1 x2
- 23. Kernels Kernels II • （真面目な説明）SVM with Kernelがやっていること 学習 ①ランドマーク作成 ②類似度f の計算 ③コスト関数最小化 ③類似度fを特徴量として、コスト関数の最小化 （最適化計算のアルゴリズムについては動画では触れられなかった。Cost関数内に微分不可能な点が存在するため（理論的には）最 急降下法は使えない。まぁソルバーに突っ込んだらそんなの関係なしに計算はしてくれそう） θに関する最小化を行い、最適なθを求める。
- 24. Kernels Kernels II • SVM with Kernelがやっていること 予測 x1 x2 ①入力データxとランドマークlとの類似度f の計算 ②予測
- 25. Kernels Kernels II • SVM with Kernelがやっていること 予測 x1 x2 ：類似度関数によって定義された ランドマークl とデータx との距離 ①入力データxとランドマークlとの類似度f の計算 ②予測
- 26. Kernels Kernels II • SVM with Kernelがやっていること 予測 x1 x2 ①入力データxとランドマークlとの類似度f の計算 ②
- 27. Kernels Kernels II • SVM with Kernelがやっていること 予測 x1 x2 パラメータθは、このランドマークl とデータx との距 離f に対する重みと解釈できる （距離が近かった/遠かった時に、どれだけ予測に 影響を与えるかのパラメータ） i.e. y=1であるランドマークとの距離が近かった時 に、どれだけ予測を1に近づけるか ①入力データxとランドマークlとの類似度f の計算 ②予測
- 28. Kernels Kernels II • SVM with Kernelがやっていること 予測 x1 x2 例えば、 と学習されていたとする。 （i.e. θ1、θ2はy=1の、θ3はy=0のランドマーク） 左図のような場合、 ①入力データxとランドマークlとの類似度f の計算 ②予測 みたいな感じになり、 1を予測
- 29. Kernels Kernels II • SVM with Kernelがやっていること 予測 x1 x2 例２ ①入力データxとランドマークlとの類似度f の計算 ②予測 みたいな感じになり、 0 0 1 -0.5 <0 0を予測
- 30. Kernels Kernels II • SVM with Kernelがやっていること 予測 x1 x2 ①入力データxとランドマークlとの類似度f の計算 ②予測 θと距離関数（のσ）（あと一応C）によって 定められた 1を予測するような領域があるイメージ 0を予測するような領域（θ3がマイナスだったら
- 31. Kernels Kernels II SVM with Kernel SVM (with Kernel)が持つパラメータは、以下の2つ • C （= 1/λ） – 大きい：Lower bias, High variance – 小さい：Higher bias, Low variance – ロジスティクス回帰の正規化パラメータが コスト側についただけ • σ^2 – 大きい：Lower bias, High variance – 小さい：Higher bias, Low variance – ランドマーク周りの1 or 0を予測する領域が 広くなる / 狭くなる感じ l l 1.0 σ大きい 1.0 σ小さい
- 32. agenda • 講義要約 – Large Margin Classification • Optimization Objective • Large Margin Intuition • Mathematics Behind Large Margin Classification – Kernels • Kernels I • Kernels II – SVMs in Practice • Using An SVM – Quiz • 課題 33
- 33. SVMs in Practice Using An SVM 実際にSVMを使うときのお話し 1. 自分でSVM実装するのはアホらしいので、パッ ケージ使いましょうね 2. 特徴量はちゃんとスケーリングしましょうね 3. Gaussian Kernel以外にも、類似度関数（Kernel） はありますよ 4. マルチクラスやる場合は、組み込みの多値分 類器使うか、one-vs-allで 5. いつLogisticRegression、SVM系、NNを使うべき か？
- 34. SVMs in Practice Using An SVM 5. いつLogisticRegression、SVM系、NNを使うべきか？ n:データの特徴量の数、 m: データの数 • n大きく、m小さい時 – SVM with Kやるには、 データ不足 • n小さく、mそれなりの時 – SVM with Kが光り輝く時 • n小さく、m大きい時 SVM with Kは、計算時間がかかる LR SVM SVM with K 特徴量を追加して、 NN LR SVM NN NN ※NNはオールラウンダーだが、計算時間で劣る場合が多い