PySVM : A NumPy implementation of SVM based on SMO algorithm

实现LIBSVM中的SVM算法，对标sklearn中的SVM模块

• LinearSVC
• KernelSVC
• NuSVC
• LinearSVR
• KernelSVR
• NuSVR
• OneClassSVM

2021.11.05 : 加入了高斯核函数的RFF方法。

2022.01.27 : 通过向量化运算对算法进行提速，加入性能对比。

2022.01.28 : 加入缓存机制，解决大数据下Q矩阵的缓存问题，参考https://welts.xyz/2022/01/28/cache/。

2022.01.30 : 删除Solver类，设计针对特定问题的SMO算法。

2022.02.01 : 修改SVR算法中的错误。

2022.05.27 : 重构代码，将SMO算法求解和SVM解耦，更容易解读。

主要算法

Python(NumPy)实现SMO算法，用于求解对偶问题

$$ \begin{aligned} \min_{\pmb\alpha}\quad\frac12\pmb\alpha^T\pmb Q\pmb\alpha+\pmb p^T\pmb\alpha\\ \text{s.t.}\quad \begin{aligned}\pmb y^T\pmb\alpha&=0\\ 0\leq\alpha_i&\leq C,\forall i \end{aligned} \end{aligned} $$

和

$$ \begin{aligned} \min_{\pmb\alpha}\quad\frac12\pmb\alpha^T\pmb Q\pmb\alpha+\pmb p^T\pmb\alpha\\ \text{s.t.} \begin{aligned}\quad \pmb y^T\pmb\alpha&=\delta_1\\ \pmb e^T\pmb\alpha&=\sum_{i}\alpha_i=\delta_2\\ 0\leq&\alpha_i\leq C,\forall i \end{aligned} \end{aligned} $$

从而实现支持向量机分类、回归以及异常检测。

Framework

我们实现了线性SVM，核SVM，用于分类，回归和异常检测:

graph LR
	PySVM --> LinearSVM
	PySVM --> KernelSVM
	PySVM --> NuSVM
	LinearSVM --> LinearSVC
	LinearSVM --> LinearSVR
	KernelSVM --> KernelSVC
	KernelSVM --> KernelSVR
	KernelSVM --> OneClassSVM
	NuSVM --> NuSVC
	NuSVM --> NuSVR

Loading

设计框架：

graph LR
	cache(LRU Cache) --> Solver
	Solver --> LinearSVM
	LinearSVM --> KernelSVM
	Kernel --> KernelSVM
	RFF --> Kernel
	mc(sklearn.multiclass) --> LinearSVM
	mc --> NuSVM
	NuSolver --> NuSVM
	Kernel --> NuSVM
	cache --> NuSolver

Loading

其中RFF表示随机傅里叶特征，LRU Cache缓存机制用于处理极大数据的场景。

Install

pip install pysvm

或源码安装

git clone https://github.com/Kaslanarian/PySVM
cd PySVM
python setup.py install

运行一个简单例子

>>> from sklearn.datasets import load_iris
>>> from pysvm import LinearSVC
>>> X, y = load_iris(return_X_y=True)
>>> X = (X - X.mean(0)) / X.std(0) # 标准化
>>> clf = LinearSVC().fit(X, y) # 训练模型
>>> clf.score(X, y) # 准确率
0.94

Examples

在tests中，有5个例子，分别是：

• dataset_classify.py, 使用三种SVM对sklearn自带数据集分类（默认参数、选取20%数据作为测试数据、数据经过标准化）：

  Accuracy	Iris	Wine	Breast Cancer	Digits
  Linear SVC	94.737%	97.778%	96.503%	95.556%
  Kernel SVC	97.368%	97.778%	96.503%	98.222%
  NuSVC	97.368%	97.778%	92.308%	92.222%

• dataset_regression.py, 使用三种SVM对sklearn自带数据集回归（默认参数、选取20%数据作为测试数据、数据经过标准化）：

  R2 score	Boston	Diabetes
  Linear SVR	0.6570	0.4537
  Kernel SVR	0.6992	0.1756
  NuSVR	0.6800	0.1459

• visual_classify.py，分别用LinearSVC和KernelSVC对人工构造的二分类数据集进行分类，画出分类结果图像和决策函数值图像：

  

• visual_regression.py用三种SVR拟合三种不同的数据：线性数据，二次函数和三角函数：

  

• visual_outlier.py用OneClassSVM进行异常检测：

  

Citation

If you used this package in your research and are interested in citing it here's how you do it:

@Misc{xing2022pysvm,
    author = {Xing, Cunyuan},
    title = {{PySVM}: A NumPy implementation of SVM based on SMO algorithm},
    year = {2022},
    url = " https://github.com/Kaslanarian/PySVM"
}

Reference

• Chang, Chih-Chung, and Chih-Jen Lin. "LIBSVM: a library for support vector machines." ACM transactions on intelligent systems and technology (TIST) 2.3 (2011): 1-27.
• https://github.com/Kaslanarian/libsvm-sc-reading : 阅读LibSVM源码的知识整理与思考.