Tìm hiểu Support vector machines

TRƯỜNG ĐẠI HỌC SƯ PHẠM KỸ THUẬT
KHOA CÔNG NGHỆ THÔNG TIN

Môn: KHAI PHÁ DỮ LIỆU
ĐỀ TÀI: Phương pháp Support Vector Machines
Danh sách sinh viên

:
-

Trần Thị Thơm

14110192

-

Huỳnh Nhật Thành

14110178

-

Nguyễn Quang Nhật 14110137

TP.HCM, ngày 26 tháng 04 năm 2017


1.

Nội dung chung
 Tên đề tài:

Phương pháp Support Vector Machines
Giảng viên hướng dẫn:
3.
Quách Đình Hoàng
Sinh viên thực hiện:
- Trần Thị Thơm
- Huỳnh Nhật Thành
- Nguyễn Quang Nhật
Thông tin liên lạc của sinh viên
2.





4.

5.

6.

St
t

Tên

MSSV

8.

9.

10.

1

Trần Thị Thơm

14110192

12.

13.

14.

2

Huỳnh Nhật Thành

14110178

16.

17.

18.

3 Nguyễn Quang Nhật 14110137
20.

 Chương trình, ứng dụng sử dụng:
- Chương trình sử dụng: R studio
- Ứng dụng:
21. Phân công thực hiện
22.

Email

7.

1411019

15.
1411017

19.
1411013

11.

Thực hiện

24.

Tìm
kiếm,
tổng hợp
tài liệu
27. Lên nội
dung cần

làm cho
đề tài,
thời gian
thực hiện.
28. Trình bày

31.

23.

P
25.

C

26.


32.

N

35.

H

38.

T

slide
29. Sửa lỗi
30.
33. Tìm hiểu,
xây dựng
nội dung
cơ bản
36. Triển
khai nội
dung chi
tiết từng
phần
39. Tổng
hợp, viết
bài báo
cáo.

34.

37.

40.


41.

MỞ ĐẦU

Trong thời đại công nghệ thông tin hiện nay, sự phát triển của công
nghệ kéo theo sự gia tăng rất lớn của lưu lượng thông tin lưu trữ và trao đổi. Do

đó, yêu cầu về tổ chức lưu trữ và truy cập thông tin sao cho hiệu quả được đặt lên
hàng đầu. Hướng giải quyết được đưa ra là tổ chức, tìm kiếm và phân loại thông tin
một cách hiệu quả. Bản thân con người trong đời sống cũng tiếp nhận thế giới
xung quanh thông qua sự phân loại và tổ chức ghi nhớ tri thức một cách hiệu quả.
Phân loại thông qua các lớp và mô tả các lớp giúp cho tri thức được định dạng và
lưu trữ trong đó.
42.

Có nhiều phương pháp phân loại đã được nghiên cứu và được áp
dụng. Hiện nay, phương pháp phân loại Support Vector Machines là một trong
những phương pháp mạnh và hiệu quả để giải quyết các bài toán lớp phi tuyến
được Vapnik và Chervonenkis giới thiệu vào năm 1995. Vì vậy, nhóm em chọn đề
tài “Nghiên cứu thuật toán máy SVM”.
43.

44.

Lý do chọn đề tài

Vấn đề phân lớp và dự đoán là khâu rất quan trọng trong học máy và
khai phá dữ liệu, phát triển tri thức. Kỹ thuật Support Vector Machines (SVM)
được đánh giá là công cụ mạnh và tinh vi nhất hiện nay cho những bài toán phân
lớp phi tuyến. Nhiều ứng dụng đã và đang được xây dựng dựa trên kỹ thuật SVM
rất hiệu quả.
45.

46.

Nội dung cơ bản bao gồm
47.

Chương 1: Giới thiệu Support Vector Machines

48.

Chương 2: Tại sao chọn Support Vector Machines

49.

Chương 3: Đặt vấn đề

50.

Chương 4: Bài toán phân 2 lớp với SVM

51.

Chương 5: So sánh và cải tiến SVM

52.

Phần kết luận

53.

Phần Demo

54.

Phần tài liệu tham khảo

55.
56.

CHƯƠNG 1: GIỚI THIỆU VỀ SUPPORT
VECTOR MACHINE
57.

1.

Giới thiệu
Bài toán phân lớp (Classification) và dự đoán (Prediction) là
hai bài toán cơ bản và có rất nhiều ứng dụng trong tất cả các lĩnh vực như:
học máy, nhận dạng, trí tuệ nhân tạo , . v. v. Trong đề tài này, chúng em sẽ
đi sâu nghiên cứu phương pháp Support Vector Machines (SVM), một
phương pháp rất hiệu quả hiện nay.
59.
Phương pháp SVM được coi là công cụ mạnh cho
những bài toán phân lớp phi tuyến tính được các tác
giải Vapnik và Chervonenkis phát triển mạnh mẽ năm
1995. Phương pháp này thực hiện phân lớp dựa trên
nguyên lý Cực tiểu hóa rủi ro có Cấu trúc SRM
(Structural Risk Minimization), được xem là một
trong các phương pháp phân lớp giám sát không tham
số tinh vi nhất cho đến nay. Các hàm công cụ đa dạng
của SVM cho phép tạo không gian chuyển đổi để xây
dựng mặt phẳng phân lớp.
60.
Lịch sử

61.
Thuật toán Support Vector Machines (SVM) ban đầu tìm ra bởi
Vladimir N.Vapnik và dạng chuẩn hiện nay sử dụng lề mềm được tìm ra bởi
Vapnik và Corinna Cortes năm 1995.
62.
Định nghĩa
63.
Là phương pháp dựa trên nền tảng của lý thuyết thống kê nên
có một nền tảng toán học chặt chẽ để đảm bảo rằng kết quả tìm được là
chính xác.
64.
Là thuật toán học giám sát (supervied learning)
được sử dụng cho phân lớp dữ liệu.
65.
Là một phương pháp thử nghiệm, đưa ra 1 trong
những phương pháp mạnh và chính xác nhất trong số
các thuật toán nổi tiếng về phân lớp dữ liệu.
58.

2.

3.


66.

SVM là một phương pháp có tính tổng quát cao
nên có thể được áp dụng cho nhiều loại bài toán nhận
dạng và phân loại.

67.
68.
4.

Ứng dụng
- Nhận dạng: tiếng nói, ảnh, chữ viết tay (hơn mạng nơron)
- Phân loại văn bản, khai mỏ dữ liệu văn bản
- Phân tích dữ liệu theo thời gian
- Phân tích dữ liệu gien, nhận dạng bệnh, công nghệ bào chế thuốc
- Phân tích dữ liệu marketing
69.

70.
CHƯƠNG 2: TẠI SAO CHỌN SUPPORT
VECTOR MACHINES
72.
73. Sử dụng thuật toán Support vector machines có nhiều
lơi ích:
SVM rất hiệu quae để giải quyết bài toán dữ liệu có số chiều lớn (ảnh
của dữ liệu biểu diễn gien, protein, tế bào)
SVM giải quyết vấn đề overfitting rất tốt (dữ liệu có nhiễu và tách rời
nhóm hoặc dữ liệu huấn luyện quá ít)
Là phương pháp phân lớp nhanh
Có hiệu suất tổng hợp tốt và hiệu suất tính toán cao.
71.






74.
75.
1.

CHƯƠNG 3: ĐẶT VẤN ĐỀ

Ý tưởng
Cho trước một tập huấn luyện, được biểu diễn trong không gian
vector, trong đó mỗi tài liệu là một điểm, phương pháp này tìm ra một
siêu phẳng f quyết định tốt nhất có thể chia các điểm trên không gian này
thành hai lớp riêng biệt tương ứng là lớp “+” và lớp “-”. Chất lượng của
siêu phẳng này được quyết định bởi khoảng cách (gọi là biên) của điểm
dữ liệu gần nhất của mỗi lớp đến mặt phẳng này. Khi đó, khoảng cách
biên càng lớn thì mặt phẳng quyết định càng tốt, đồng thời việc phân loại
càng chính xác.
76.


Ý tưởng của nó là ánh xạ (tuyến tính hoặc phi tuyến) dữ liệu
vào không gian các vector đặc trưng (space of feature vectors) mà ở đó
một siêu phẳng tối ưu được tìm ra để tách dữ liệu thuộc hai lớp khác
nhau.
78.
Mục đích của phương pháp SVM là tìm được khoảng cách biên
lớn nhất.
77.

79.

Đường tô đậm là siêu phẳng tốt nhất và các điểm được bao bởi
hình chữ nhật là những điểm gần siêu phẳng nhất, chúng được gọi là các
vector hỗ trợ (support vector). Các đường nét đứt mà các support vector
nằm trên đó được gọi là lề (margin).
81.
Cơ sở lý thuyết
82.
SVM thực chất là một bài toán tối ưu, mục tiêu của thuật toán
này là tìm được một không gian F và siêu phẳng quyết định f trên F sao
cho sai số phân loại là thấp nhất.
83.
Cho tập mẫu D = {(x1, y1), (x2,y2), …, (xl, yl)} với xi , thuộc
vào hai lớp nhãn yi {-1,1} là tập nhãn lớp tương ứng của các xi (-1 biểu
thị lớp I, 1 biểu thị lớp II).
84.
Ta có, phương trình siêu phẳng chứa vector trong không gian:
85.
86. .+ b = 0
87.
88. Đặt f() = sign(.+ b) ={
80.

2.


89.
90.

Như vậy, f() biểu diễn sự phân lớp của vào hai lớp như nêu trên.
Ta nói yi = +1 nếu thuộc lớp I và yi = -1 nếu thuộc lớp II.

91.
92.
CHƯƠNG 4: BÀI TOÁN PHÂN 2 LỚP VỚI SVM
94.
95.
Bài toán đặt ra là: Xác định hàm phân lớp lớp để phân lớp các
mẫu trong tương lai, nghĩa là với một mẫu dữ liệu mới xi thì cần phải xác
định xi được phân lớp +1 hay lớp -1.
96.
Ta xét 3 trường hợp, mỗi trường hợp sẽ có 1 bài toán tối ưu,
giải được bài toán tối ưu đó sẽ tìm được siêu phẳng cần tìm.
97.
Trường hợp 1
98.
99. Tập D có thể phân chia tuyến tính được mà không có
nhiễu (tất cả các điểm được gán nhãn +1 thuộc về
phía dương của siêu phẳng, tất cả các điểm được gán
nhãn -1 thuộc về phía âm của siêu phẳng)
100.
93.

1.

101.
102.

Hình 2. Tập dữ liệu được phân chia tuyến tính
103.
104.

Ta sẽ tìm siêu phẳng tách với w là vector trọng
số, b là hệ số tự do, sao cho:
105.
Đặt f() = sign(.+ b) ={ D
106.
Lúc này ta cần giải toán tối ưu:
107.
{


108.
109.
2.

Trường hợp 2
110.
Tập dữ liệu D có thể phân chia tuyến tính được
nhưng có nhiễu. Trong trường hợp này, hầu hết các
điểm đều được phân chia đúng bởi siêu phẳng. Tuy
nhiên có 1 số điểm bị nhiễu, nghĩa là: điểm có nhãn
dương nhưng lại thuộc phía âm của siêu phẳng, điểm
có nhãn âm nhưng lại thuộc phía dương của siêu
phẳng.

111.

112.
113.

115.

Hình 3. Tập dữ liệu phân chia tuyến tính nhưng có
nhiễu
114.
Trong trường hợp này, ta sử dụng 1 biến mềm sao cho: yi.(.+

b) , i=1,…,l
Bài toán tối ưu trở thành :
{
Trong đó C là tham số xác định trước, định nghĩa giá trị ràng
buộc, C càng lớn thì mức độ phạm vi đối với những lỗi thực nghiệm (là lỗi
xảy ra lúc huấn luyện, tính bằng thương số của số phần tử lỗi và tổng số
phần tử huấn luyện) càng cao.
116.
117.
118.


3.

Trường hợp 3
119.
Ta dữ liệu D không thể phân chia tuyến tính được,
ta sẽ ánh xạ các vector dữ liệu x từ không gian n chiều
vào một không gian m chiều (m > n), sao cho trong
không gian m chiều, D có thể phân chia tuyến tính
được.

120.

121.

Hình 4. Tập dữ liệu không phân chia tuyến tính.
123.
124.
Gọi là ánh xạ phi tuyến từ không gian vào không giam
125.
→
126.
Bài toán tối ưu trở thành:
127.
{
Bài toán phân đa lớp của SVM
128.
Để phân đa lớp thì kỹ thuật SVM sẽ chia không
gian dữ liệu thành 2 phần và tiếp tục với không gian
đã được phân chia. Khi đó hàm quyết định phân dữ
liệu vào lớp thứ I sẽ là:
129.
130.
131.
Những phần tử x là support vector nếu thỏa điều kiện:
122.

4.


132.
133.
Giả sử bài toán phân loại k lớp (k ), ta sẽ tiến hành k(k-1)/2 lần

phân lớp nhị phân sử dụng phương pháp SVM. Mỗi lớp sẽ tiến hành phân
tách với k-1 lớp còn lại để xác định k-1 hàm phân tách (chiến lược “mộtđối-một” (one-against-one).
134.
Kỹ thuật phân đa lớp bằng phương pháp hiện vẫn đang
được tiếp tục nghiên cứu và phát triển.
LƯU Ý: CÁC BƯỚC CHÍNH CỦA PHƯƠNG PHÁP SVM
135.
 Tiền xử lý dữ liệu: Phương pháp SVM yêu cầu được diễn tả như
các vector của các số thực. Như vậy nếu đầu vào chưa phải là số
thực thì ta cần tìm cách chuyển chúng về dạng số SVM. Tránh các
số quá lớn, thường nên co giãn dữ liệu để chuyển đoạn [-1,1] hoặc
[0,1].
 Chọn hàm hạt nhân: cần chọn hàm hạt nhân phù hợp tương ứng
cho từng bài toán cụ thể để đạt được độ chính xác cao trong quá
trình học tập.
 Thực hiện việc kiểm tra chéo để xác định các tham số cho ứng
dụng.
 Sử dụng các tham số cho việc huấn luyện tập mẫu.
 Kiểm thử tập dữ liệu Test.
136.
137.

CHƯƠNG 5: SO SÁNH VÀ MỘT SỐ CẢI TIỀN

138.
Một số phương pháp như neuron, fuzy logic, mạng fuzzyneuron,…, cũng được sử dụng thành công để giải quyết bài toán phân lớp.
Ưu điểm của phương pháp này là không cần xác định mô hình đối của đối
tượng.
139.

140.
-

SVM có 2 đặc trưng cơ bản:

Nó luôn kết hợp với các dữ liệu có ý nghĩa về mặt vật lý, do vậy dễ dàng
giải thích được một cách tường minh,
Cần một tập các mẫu huấn luyện rất nhỏ.


Phương pháp SVM hiện nay được xem là một công cụ mạnh và tinh
vi nhất hiện any cho những bài toán phân lớp phi tuyến. Nó có một số biến
thể như C-SVC, v-SVC. Cải tiến mới nhất hiện nay của phương pháp SVM
đã được công bố là thuật toán NNSRM (Nearest Neighbor Structural Risk
Minimization) là sự kết hợp giữa 2 kỹ thuật SVM và Nearest Neighbor.
141.

142.
143.

KẾT LUẬN

Ưu điểm và nhược điểm của phương pháp Support Vector Machines
144.
Ưu điểm
1.

1.1.

Là một kĩ thuật phân lớp khá phổ biến, SVM thể hiện được nhiều ưu

điểm trong số đó có việc tính toán hiệu quả trên các tập dữ liệu lớn. Có thể kể
thêm một số ưu điểm của phương pháp này như:
145.

1.2.

•

Xử lý trên không gian số chiều cao: SVM là một công cụ tính toán
hiệu quả trong không gian chiều cao, trong đó đặc biệt áp dụng cho
các bài toán phân loại văn bản và phân tích quan điểm nơi chiều có
thể cực kỳ lớn

•

Tiết kiệm bộ nhớ: Do chỉ có một tập hợp con của các điểm được sử
dụng trong quá trình huấn luyện và ra quyết định thực tế cho các điểm
dữ liệu mới nên chỉ có những điểm cần thiết mới được lưu trữ trong
bộ nhớ khi ra quyết dịnh

•

Tính linh hoạt - phân lớp thường là phi tuyến tính. Khả năng áp dụng
Kernel mới cho phép linh động giữa các phương pháp tuyến tính và
phi tuyến tính từ đó khiến cho hiệu suất phân loại lớn hơn.

146.
Nhược điểm
• Bài toán số chiều cao: Trong trường hợp số lượng thuộc tính (p) của
tập dữ liệu lớn hơn rất nhiều so với số lượng dữ liệu (n) thì SVM cho

kết quả khá tồi
• Chưa thể hiện rõ tính xác suất: Việc phân lớp của SVM chỉ là việc
cố gắng tách các đối tượng vào hai lớp được phân tách bởi siêu phẳng
SVM. Điều này chưa giải thích được xác suất xuất hiện của một thành
viên trong một nhóm là như thế nào. Tuy nhiên hiệu quả của việc


phân lớp có thể được xác định dựa vào khái niệm margin từ điểm dữ
liệu mới đến siêu phẳng phân lớp mà chúng ta đã bàn luận ở trên.
147.
2. Những kết quả đạt được
148.
- Nghiên cứu và trình bày cơ sở của lý thuyết của phương pháp học máy.
- Trình bày phương pháp SVM. Đây là một phương pháp phân lớp hiệu
quả được nghiên cứu nhiều nhất trong thời gian qua.
- Phân tích những giải pháp cho phép mở rộng và cải tiến để nâng cao hiệu
quả ứng dụng của SVM:
• Kết hợp phương pháp SVM với một số phương pháp khác như
phương pháp người láng giếng gần nhất (nearest neighbor),…
để làm tăng hơn nữa tốc độ tính toán, cũng như độ chính xác
cho SVM.
• Cải tiến SVM cho phép phân chia không gian dữ liệu một cách
tốt hơn, nhằm loại bỏ những vùng không được phân lớp bằng
cách đưa kỹ thuật mờ vào SVM.
149.
3. Hướng phát triển của đề tài
150.
- Thông qua các ứng dụng thực tiễn đã và đang nghiên cứu sử dụng
phương pháp SVM, có thể thấy được những khả năng to lớn của nó, đồng
thời mở ra những ứng dụng mới.

- Kết hợp phương pháp SVM với những phương pháp khác phù hợp với
từng đối tượng cụ thể nhằm làm tăng hơn nữa hiệu quả phân lớp, tốc độ
tính toán cũng như độ chính xác cho SVM.
151.
DEMO
152.
153.
TÀI LIỆU THAM KHẢO
154.
155.
[1] Thái Sơn: Luận văn thạc sỹ khoa học: Kỹ thuật Support Vector Machines
và ứng dụng. Ngành toán tin ứng dụng: Đại học Bách khoa Hà Nội, 2006.
156.
[2] PGS.TS Vũ Thành Nguyên, Thi Minh Nguyễn: Một số cải tiến của bài
toán phân lớp văn bản sử dụng thuật toán SVM và áp dụng trong phân tích tiếng
Việt. Đại học Công nghệ thông tin – ĐHQG, 2011.


157.

[3] Phạm Văn Sơn: Đồ án tốt nghiệp đại học hệ chính quy: Tìm hiểu về

Support Vector Machines cho bài toán phân lớp quan điểm.Đại học dân lập Hải
Phòng,2012.
158.
[4]Jiawei Han, Micheline Kamber, Jian Pei Data Mining. Concepts and
Techniques, 3rd Edition.
159.