313 lines
11 KiB
Python
Executable File
313 lines
11 KiB
Python
Executable File
# -*-coding:utf-8 -*-
|
||
import matplotlib.pyplot as plt
|
||
import numpy as np
|
||
import random
|
||
|
||
"""
|
||
Author:
|
||
Jack Cui
|
||
Blog:
|
||
http://blog.csdn.net/c406495762
|
||
Zhihu:
|
||
https://www.zhihu.com/people/Jack--Cui/
|
||
Modify:
|
||
2017-10-03
|
||
"""
|
||
|
||
class optStruct:
|
||
"""
|
||
数据结构，维护所有需要操作的值
|
||
Parameters：
|
||
dataMatIn - 数据矩阵
|
||
classLabels - 数据标签
|
||
C - 松弛变量
|
||
toler - 容错率
|
||
kTup - 包含核函数信息的元组,第一个参数存放核函数类别，第二个参数存放必要的核函数需要用到的参数
|
||
"""
|
||
def __init__(self, dataMatIn, classLabels, C, toler, kTup):
|
||
self.X = dataMatIn #数据矩阵
|
||
self.labelMat = classLabels #数据标签
|
||
self.C = C #松弛变量
|
||
self.tol = toler #容错率
|
||
self.m = np.shape(dataMatIn)[0] #数据矩阵行数
|
||
self.alphas = np.mat(np.zeros((self.m,1))) #根据矩阵行数初始化alpha参数为0
|
||
self.b = 0 #初始化b参数为0
|
||
self.eCache = np.mat(np.zeros((self.m,2))) #根据矩阵行数初始化虎误差缓存，第一列为是否有效的标志位，第二列为实际的误差E的值。
|
||
self.K = np.mat(np.zeros((self.m,self.m))) #初始化核K
|
||
for i in range(self.m): #计算所有数据的核K
|
||
self.K[:,i] = kernelTrans(self.X, self.X[i,:], kTup)
|
||
|
||
def kernelTrans(X, A, kTup):
|
||
"""
|
||
通过核函数将数据转换更高维的空间
|
||
Parameters：
|
||
X - 数据矩阵
|
||
A - 单个数据的向量
|
||
kTup - 包含核函数信息的元组
|
||
Returns:
|
||
K - 计算的核K
|
||
"""
|
||
m,n = np.shape(X)
|
||
K = np.mat(np.zeros((m,1)))
|
||
if kTup[0] == 'lin': K = X * A.T #线性核函数,只进行内积。
|
||
elif kTup[0] == 'rbf': #高斯核函数,根据高斯核函数公式进行计算
|
||
for j in range(m):
|
||
deltaRow = X[j,:] - A
|
||
K[j] = deltaRow*deltaRow.T
|
||
K = np.exp(K/(-1*kTup[1]**2)) #计算高斯核K
|
||
else: raise NameError('核函数无法识别')
|
||
return K #返回计算的核K
|
||
|
||
def loadDataSet(fileName):
|
||
"""
|
||
读取数据
|
||
Parameters:
|
||
fileName - 文件名
|
||
Returns:
|
||
dataMat - 数据矩阵
|
||
labelMat - 数据标签
|
||
"""
|
||
dataMat = []; labelMat = []
|
||
fr = open(fileName)
|
||
for line in fr.readlines(): #逐行读取，滤除空格等
|
||
lineArr = line.strip().split('\t')
|
||
dataMat.append([float(lineArr[0]), float(lineArr[1])]) #添加数据
|
||
labelMat.append(float(lineArr[2])) #添加标签
|
||
return dataMat,labelMat
|
||
|
||
def calcEk(oS, k):
|
||
"""
|
||
计算误差
|
||
Parameters：
|
||
oS - 数据结构
|
||
k - 标号为k的数据
|
||
Returns:
|
||
Ek - 标号为k的数据误差
|
||
"""
|
||
fXk = float(np.multiply(oS.alphas,oS.labelMat).T*oS.K[:,k] + oS.b)
|
||
Ek = fXk - float(oS.labelMat[k])
|
||
return Ek
|
||
|
||
def selectJrand(i, m):
|
||
"""
|
||
函数说明:随机选择alpha_j的索引值
|
||
|
||
Parameters:
|
||
i - alpha_i的索引值
|
||
m - alpha参数个数
|
||
Returns:
|
||
j - alpha_j的索引值
|
||
"""
|
||
j = i #选择一个不等于i的j
|
||
while (j == i):
|
||
j = int(random.uniform(0, m))
|
||
return j
|
||
|
||
def selectJ(i, oS, Ei):
|
||
"""
|
||
内循环启发方式2
|
||
Parameters：
|
||
i - 标号为i的数据的索引值
|
||
oS - 数据结构
|
||
Ei - 标号为i的数据误差
|
||
Returns:
|
||
j, maxK - 标号为j或maxK的数据的索引值
|
||
Ej - 标号为j的数据误差
|
||
"""
|
||
maxK = -1; maxDeltaE = 0; Ej = 0 #初始化
|
||
oS.eCache[i] = [1,Ei] #根据Ei更新误差缓存
|
||
validEcacheList = np.nonzero(oS.eCache[:,0].A)[0] #返回误差不为0的数据的索引值
|
||
if (len(validEcacheList)) > 1: #有不为0的误差
|
||
for k in validEcacheList: #遍历,找到最大的Ek
|
||
if k == i: continue #不计算i,浪费时间
|
||
Ek = calcEk(oS, k) #计算Ek
|
||
deltaE = abs(Ei - Ek) #计算|Ei-Ek|
|
||
if (deltaE > maxDeltaE): #找到maxDeltaE
|
||
maxK = k; maxDeltaE = deltaE; Ej = Ek
|
||
return maxK, Ej #返回maxK,Ej
|
||
else: #没有不为0的误差
|
||
j = selectJrand(i, oS.m) #随机选择alpha_j的索引值
|
||
Ej = calcEk(oS, j) #计算Ej
|
||
return j, Ej #j,Ej
|
||
|
||
def updateEk(oS, k):
|
||
"""
|
||
计算Ek,并更新误差缓存
|
||
Parameters：
|
||
oS - 数据结构
|
||
k - 标号为k的数据的索引值
|
||
Returns:
|
||
无
|
||
"""
|
||
Ek = calcEk(oS, k) #计算Ek
|
||
oS.eCache[k] = [1,Ek] #更新误差缓存
|
||
|
||
|
||
def clipAlpha(aj,H,L):
|
||
"""
|
||
修剪alpha_j
|
||
Parameters:
|
||
aj - alpha_j的值
|
||
H - alpha上限
|
||
L - alpha下限
|
||
Returns:
|
||
aj - 修剪后的alpah_j的值
|
||
"""
|
||
if aj > H:
|
||
aj = H
|
||
if L > aj:
|
||
aj = L
|
||
return aj
|
||
|
||
def innerL(i, oS):
|
||
"""
|
||
优化的SMO算法
|
||
Parameters：
|
||
i - 标号为i的数据的索引值
|
||
oS - 数据结构
|
||
Returns:
|
||
1 - 有任意一对alpha值发生变化
|
||
0 - 没有任意一对alpha值发生变化或变化太小
|
||
"""
|
||
#步骤1：计算误差Ei
|
||
Ei = calcEk(oS, i)
|
||
#优化alpha,设定一定的容错率。
|
||
if ((oS.labelMat[i] * Ei < -oS.tol) and (oS.alphas[i] < oS.C)) or ((oS.labelMat[i] * Ei > oS.tol) and (oS.alphas[i] > 0)):
|
||
#使用内循环启发方式2选择alpha_j,并计算Ej
|
||
j,Ej = selectJ(i, oS, Ei)
|
||
#保存更新前的aplpha值，使用深拷贝
|
||
alphaIold = oS.alphas[i].copy(); alphaJold = oS.alphas[j].copy();
|
||
#步骤2：计算上下界L和H
|
||
if (oS.labelMat[i] != oS.labelMat[j]):
|
||
L = max(0, oS.alphas[j] - oS.alphas[i])
|
||
H = min(oS.C, oS.C + oS.alphas[j] - oS.alphas[i])
|
||
else:
|
||
L = max(0, oS.alphas[j] + oS.alphas[i] - oS.C)
|
||
H = min(oS.C, oS.alphas[j] + oS.alphas[i])
|
||
if L == H:
|
||
print("L==H")
|
||
return 0
|
||
#步骤3：计算eta
|
||
eta = 2.0 * oS.K[i,j] - oS.K[i,i] - oS.K[j,j]
|
||
if eta >= 0:
|
||
print("eta>=0")
|
||
return 0
|
||
#步骤4：更新alpha_j
|
||
oS.alphas[j] -= oS.labelMat[j] * (Ei - Ej)/eta
|
||
#步骤5：修剪alpha_j
|
||
oS.alphas[j] = clipAlpha(oS.alphas[j],H,L)
|
||
#更新Ej至误差缓存
|
||
updateEk(oS, j)
|
||
if (abs(oS.alphas[j] - alphaJold) < 0.00001):
|
||
print("alpha_j变化太小")
|
||
return 0
|
||
#步骤6：更新alpha_i
|
||
oS.alphas[i] += oS.labelMat[j]*oS.labelMat[i]*(alphaJold - oS.alphas[j])
|
||
#更新Ei至误差缓存
|
||
updateEk(oS, i)
|
||
#步骤7：更新b_1和b_2
|
||
b1 = oS.b - Ei- oS.labelMat[i]*(oS.alphas[i]-alphaIold)*oS.K[i,i] - oS.labelMat[j]*(oS.alphas[j]-alphaJold)*oS.K[i,j]
|
||
b2 = oS.b - Ej- oS.labelMat[i]*(oS.alphas[i]-alphaIold)*oS.K[i,j]- oS.labelMat[j]*(oS.alphas[j]-alphaJold)*oS.K[j,j]
|
||
#步骤8：根据b_1和b_2更新b
|
||
if (0 < oS.alphas[i]) and (oS.C > oS.alphas[i]): oS.b = b1
|
||
elif (0 < oS.alphas[j]) and (oS.C > oS.alphas[j]): oS.b = b2
|
||
else: oS.b = (b1 + b2)/2.0
|
||
return 1
|
||
else:
|
||
return 0
|
||
|
||
def smoP(dataMatIn, classLabels, C, toler, maxIter, kTup = ('lin',0)):
|
||
"""
|
||
完整的线性SMO算法
|
||
Parameters：
|
||
dataMatIn - 数据矩阵
|
||
classLabels - 数据标签
|
||
C - 松弛变量
|
||
toler - 容错率
|
||
maxIter - 最大迭代次数
|
||
kTup - 包含核函数信息的元组
|
||
Returns:
|
||
oS.b - SMO算法计算的b
|
||
oS.alphas - SMO算法计算的alphas
|
||
"""
|
||
oS = optStruct(np.mat(dataMatIn), np.mat(classLabels).transpose(), C, toler, kTup) #初始化数据结构
|
||
iter = 0 #初始化当前迭代次数
|
||
entireSet = True; alphaPairsChanged = 0
|
||
while (iter < maxIter) and ((alphaPairsChanged > 0) or (entireSet)): #遍历整个数据集都alpha也没有更新或者超过最大迭代次数,则退出循环
|
||
alphaPairsChanged = 0
|
||
if entireSet: #遍历整个数据集
|
||
for i in range(oS.m):
|
||
alphaPairsChanged += innerL(i,oS) #使用优化的SMO算法
|
||
print("全样本遍历:第%d次迭代 样本:%d, alpha优化次数:%d" % (iter,i,alphaPairsChanged))
|
||
iter += 1
|
||
else: #遍历非边界值
|
||
nonBoundIs = np.nonzero((oS.alphas.A > 0) * (oS.alphas.A < C))[0] #遍历不在边界0和C的alpha
|
||
for i in nonBoundIs:
|
||
alphaPairsChanged += innerL(i,oS)
|
||
print("非边界遍历:第%d次迭代 样本:%d, alpha优化次数:%d" % (iter,i,alphaPairsChanged))
|
||
iter += 1
|
||
if entireSet: #遍历一次后改为非边界遍历
|
||
entireSet = False
|
||
elif (alphaPairsChanged == 0): #如果alpha没有更新,计算全样本遍历
|
||
entireSet = True
|
||
print("迭代次数: %d" % iter)
|
||
return oS.b,oS.alphas #返回SMO算法计算的b和alphas
|
||
|
||
|
||
def testRbf(k1 = 1.3):
|
||
"""
|
||
测试函数
|
||
Parameters:
|
||
k1 - 使用高斯核函数的时候表示到达率
|
||
Returns:
|
||
无
|
||
"""
|
||
dataArr,labelArr = loadDataSet('testSetRBF.txt') #加载训练集
|
||
b,alphas = smoP(dataArr, labelArr, 200, 0.0001, 100, ('rbf', k1)) #根据训练集计算b和alphas
|
||
datMat = np.mat(dataArr); labelMat = np.mat(labelArr).transpose()
|
||
svInd = np.nonzero(alphas.A > 0)[0] #获得支持向量
|
||
sVs = datMat[svInd]
|
||
labelSV = labelMat[svInd];
|
||
print("支持向量个数:%d" % np.shape(sVs)[0])
|
||
m,n = np.shape(datMat)
|
||
errorCount = 0
|
||
for i in range(m):
|
||
kernelEval = kernelTrans(sVs,datMat[i,:],('rbf', k1)) #计算各个点的核
|
||
predict = kernelEval.T * np.multiply(labelSV,alphas[svInd]) + b #根据支持向量的点，计算超平面，返回预测结果
|
||
if np.sign(predict) != np.sign(labelArr[i]): errorCount += 1 #返回数组中各元素的正负符号，用1和-1表示，并统计错误个数
|
||
print("训练集错误率: %.2f%%" % ((float(errorCount)/m)*100)) #打印错误率
|
||
dataArr,labelArr = loadDataSet('testSetRBF2.txt') #加载测试集
|
||
errorCount = 0
|
||
datMat = np.mat(dataArr); labelMat = np.mat(labelArr).transpose()
|
||
m,n = np.shape(datMat)
|
||
for i in range(m):
|
||
kernelEval = kernelTrans(sVs,datMat[i,:],('rbf', k1)) #计算各个点的核
|
||
predict=kernelEval.T * np.multiply(labelSV,alphas[svInd]) + b #根据支持向量的点，计算超平面，返回预测结果
|
||
if np.sign(predict) != np.sign(labelArr[i]): errorCount += 1 #返回数组中各元素的正负符号，用1和-1表示，并统计错误个数
|
||
print("测试集错误率: %.2f%%" % ((float(errorCount)/m)*100)) #打印错误率
|
||
|
||
|
||
def showDataSet(dataMat, labelMat):
|
||
"""
|
||
数据可视化
|
||
Parameters:
|
||
dataMat - 数据矩阵
|
||
labelMat - 数据标签
|
||
Returns:
|
||
无
|
||
"""
|
||
data_plus = [] #正样本
|
||
data_minus = [] #负样本
|
||
for i in range(len(dataMat)):
|
||
if labelMat[i] > 0:
|
||
data_plus.append(dataMat[i])
|
||
else:
|
||
data_minus.append(dataMat[i])
|
||
data_plus_np = np.array(data_plus) #转换为numpy矩阵
|
||
data_minus_np = np.array(data_minus) #转换为numpy矩阵
|
||
plt.scatter(np.transpose(data_plus_np)[0], np.transpose(data_plus_np)[1]) #正样本散点图
|
||
plt.scatter(np.transpose(data_minus_np)[0], np.transpose(data_minus_np)[1]) #负样本散点图
|
||
plt.show()
|
||
|
||
if __name__ == '__main__':
|
||
testRbf() |