基于支持向量機(jī)的鳶尾花類別預(yù)測

孫萌月 張奧麗 曾進(jìn)成

【摘 要】支持向量機(jī)是基于統(tǒng)計(jì)學(xué)習(xí)理論發(fā)展起來的一種新的機(jī)器學(xué)習(xí)方法，應(yīng)用于解決各種小樣本分類問題。經(jīng)文獻(xiàn)報(bào)道，鳶尾花自身的固有屬性可以作為輸入指標(biāo)用來預(yù)測鳶尾花的種類。本文以鳶尾花的屬性數(shù)據(jù)建立分類模型，結(jié)果表明支持向量機(jī)分類方法具有很好的泛化性能，為自動(dòng)判定鳶尾花種類提供了一種有效的方法。

【關(guān)鍵詞】支持向量機(jī)；分類問題；核函數(shù)

鳶尾花屬于鳶尾科，是一類具有較高觀賞價(jià)值的草本植物，其萼片是絢麗多彩的，和向上的花瓣不同，花萼是下垂的。通過鳶尾花的屬性來判斷鳶尾花的種類，可以更高效率的培育出相應(yīng)需要的鳶尾花，來滿足現(xiàn)實(shí)需求量。

人工智能的快速發(fā)展帶動(dòng)了基于數(shù)據(jù)挖掘的人工神經(jīng)網(wǎng)絡(luò)和支持向量機(jī)智能分類方法。人工神經(jīng)網(wǎng)絡(luò)具有非線性、自學(xué)習(xí)、自適應(yīng)，能夠大規(guī)模并行處理等特征，同時(shí)內(nèi)部訓(xùn)練過程是在黑箱中進(jìn)行的，只要直接輸入數(shù)據(jù)即可得出結(jié)果[1]。但缺點(diǎn)也很明顯，神經(jīng)網(wǎng)絡(luò)中參數(shù)無法解釋，同時(shí)訓(xùn)練過程在黑箱中進(jìn)行，具有一定的盲目性，由于它是基于經(jīng)驗(yàn)風(fēng)險(xiǎn)最小化原則，容易出現(xiàn)“過擬合”現(xiàn)象，即有可能出現(xiàn)陷入局部最優(yōu)解而無法得到全局最優(yōu)解的現(xiàn)象。而支持向量機(jī)（SVM）借助最優(yōu)化方法來解決機(jī)器學(xué)習(xí)問題[2]，依賴結(jié)構(gòu)風(fēng)險(xiǎn)最小化原則，針對(duì)小樣本得到全局最優(yōu)解，解決了在神經(jīng)網(wǎng)絡(luò)方法中無法避免的局部極值問題。

因此，本文將目標(biāo)數(shù)據(jù)集的三種鳶尾花的花萼長度、花萼寬度、花瓣長度、花瓣寬度四個(gè)屬性用來做樣本的定量分析，建立模型，通過SVM分類的方法，根據(jù)給定的訓(xùn)練集，通過大量的訓(xùn)練點(diǎn)，尋找實(shí)值函數(shù)，由此得到?jīng)Q策函數(shù)，以便用決策函數(shù)推斷任意模式（輸入指標(biāo)向量或稱輸入）相對(duì)應(yīng)的輸出指標(biāo)。

一、基于支持向量機(jī)的鳶尾花類別預(yù)測

1.支持向量機(jī)

支持向量機(jī)分類方法是一種基于結(jié)構(gòu)風(fēng)險(xiǎn)最小化的原理，針對(duì)一個(gè)給定的有限數(shù)量訓(xùn)練集樣本的學(xué)習(xí)任務(wù)，通過在原空間或經(jīng)投影后的高維空間中構(gòu)造最佳分類超平面作為決策面。從線性可分模式來看，該決策面不但能夠?qū)⑺杏?xùn)練樣本正確分類，而且使訓(xùn)練樣本中離分類面最近的點(diǎn)到分類面的距離最大[3]。訓(xùn)練樣本為非線性時(shí)，通過非線性函數(shù)φ（ x） 將樣本 x 映射到一個(gè)高維線性特征空間，在這個(gè)維數(shù)可能為無窮大的線形空間中構(gòu)造最優(yōu)分類超平面，并得到分類器的判別函數(shù)。再根據(jù)最大間隔思想[4]，引入懲罰項(xiàng) CΣ§i，建立原始最優(yōu)化問題， 通過強(qiáng)對(duì)偶定理對(duì)原問題進(jìn)行求解，利用核函數(shù)提高樣本的線性可分性，將線性分類學(xué)習(xí)機(jī)算法推廣到非線性的情況。

2.K重交叉驗(yàn)證

K重交叉驗(yàn)證是常用的精度測試方法[5]。驗(yàn)證方法是將數(shù)據(jù)集分成 K份，輪流將其中K-1份做訓(xùn)練，1份做測試，K次結(jié)果的最佳值作為對(duì)算法精度的估計(jì)。本文算法中采用K重交叉驗(yàn)證方法來計(jì)算準(zhǔn)確率，進(jìn)而確定合適的懲罰參數(shù)C及核函數(shù)。

3.數(shù)據(jù)

在UCI數(shù)據(jù)庫，下載得到初始的Iris樣本數(shù)據(jù)集共計(jì)150條。統(tǒng)計(jì)各個(gè)選項(xiàng)在不同決定指標(biāo)所占比例對(duì)比分析，從而得到合適的指標(biāo)，這里主要參考各指標(biāo)的選項(xiàng)在輸出指標(biāo)鳶尾花類別中所占的比例。經(jīng)預(yù)處理，分別得到三類鳶尾花的四個(gè)屬性的平均值數(shù)據(jù)，

二、建模

鳶尾花的種類有很多，這里我們選取山鳶尾、變色鳶尾、維吉尼亞鳶尾三種比較有名的鳶尾花類別，而鳶尾花類別受其自生屬性影響，經(jīng)文獻(xiàn)查閱，最終選取較為典型的4個(gè)指標(biāo)作為輸入，以鳶尾花類別作為輸出建立模型。該模型為多類分類問題，以鳶尾花類別作為輸出指標(biāo)，分為山鳶尾、變色鳶尾、維吉尼亞鳶尾三種。而輸入指標(biāo)有花萼長度、花萼寬度、花瓣長度、花瓣寬度。

重要指標(biāo)進(jìn)行分析：

（1）TP Rate： 簡稱TPR（真正率），即被模型預(yù)測為正的正樣本比率。TPR = TP /（TP + FN） 正樣本預(yù)測結(jié)果數(shù) / 正樣本實(shí)際數(shù)。以第一條數(shù)據(jù)為例，TPR=28/30= 0.933。

（2）FP Rate：簡稱FPR（假正率），即被模型預(yù)測為正的負(fù)樣本比率。FPR = FP /（FP + TN）？被預(yù)測為正的負(fù)樣本結(jié)果數(shù) /負(fù)樣本實(shí)際數(shù)。以第一條數(shù)據(jù)為例，F(xiàn)PR=2/120= 0.017。

（3） MCC：即Matthews 相關(guān)系數(shù)。MCC=（TP*TN-FP*TN+FP）*（TN+FN）]^0.FN）/[（TP+FP）*（TP+FN）*（5，同時(shí)考慮了 FP和 FN，并適用于不平衡問題（兩個(gè)類的比例相差很大）。取值在[-1，1]之間，1 代表完美的預(yù)測，0 代表與隨機(jī)分類器效果一樣，-1 代表預(yù)測結(jié)果與實(shí)際結(jié)果完全不一致。

可知，通過對(duì)該訓(xùn)練模型的訓(xùn)練與測試，分類準(zhǔn)確率可達(dá)到95.3%，能夠?qū)ⅧS尾花的三種類別比較好的分開，具有較高的泛化能力，且MCC均趨近于1，說明該訓(xùn)練模型的穩(wěn)定性很好。

三、結(jié)論

本文通過實(shí)例驗(yàn)證可以看出鳶尾花的種類受其屬性的影響，根據(jù)鳶尾花的屬性及種類分別作為輸入、輸出指標(biāo)建立模型，應(yīng)用支持向量機(jī)分類的方法進(jìn)行研究，得到合適的決策函數(shù)，可以對(duì)已知相關(guān)屬性的鳶尾花做出較為準(zhǔn)確的分類。為預(yù)測鳶尾花種類提供了一種有效的方法，也為鳶尾花種植者選擇種類提升了效率，帶來了方便，同時(shí)也通過此實(shí)例體現(xiàn)了支持向量機(jī)分類應(yīng)用于解決小樣本分類問題的優(yōu)越性。

【參考文獻(xiàn)】

[1]蔣林利. 基于支持向量機(jī)的電子商務(wù)模式下的信用評(píng)價(jià)模型[J].現(xiàn)代計(jì)算機(jī)學(xué)報(bào)，2012.

[2]鄧乃揚(yáng)，田英杰. 數(shù)據(jù)挖掘中的新方法——支持向量機(jī)[M].北京：科學(xué)出版社，2004，49-77，164-223.