使用 MATLAB 和 libsvm 绘制 SVM 边距

Question

我正在使用 svmlib 对二维不可分离数据进行线性分类。我能够训练 svm 并使用 svmlib 获得 w 和 b。使用这些信息，我可以绘制决策边界以及支持向量，但我不确定如何使用 svmlib 给我的信息绘制边距。

下面是我的代码：

model = svmtrain(Y,X, '-s 0 -t 0 -c 100');

w = model.SVs' * model.sv_coef;
b = -model.rho;
if (model.Label(1) == -1)
    w = -w; b = -b;
end
y_hat = sign(w'*X' + b);

sv = full(model.SVs);

% plot support vectors
plot(sv(:,1),sv(:,2),'ko', 'MarkerSize', 10);

% plot decision boundary
plot_x = linspace(min(X(:,1)), max(X(:,1)), 30);
plot_y = (-1/w(2))*(w(1)*plot_x + b);
plot(plot_x, plot_y, 'k-', 'LineWidth', 1)

Answer 1

这取决于您所说的“边距”是什么意思。它还取决于您所谈论的 SVM 版本（可分离与不可分离），但由于您提到 libsvm，我假设您的意思是更通用、不可分离的版本。

术语“边距”可以指从分离超平面到wx+b=1（或wx+b=-1）定义的超平面的欧几里得距离。这个距离由1/norm(w) 给出。

“边距”也可以指特定样本x的边距，即x与分离超平面的欧几里得距离。它由

给出

(wx+b)/标准(w)

请注意，这是一个有符号距离，即负/正，取决于点 x 所在的超平面的哪一侧。您可以将其绘制为从该点垂直于超平面的直线。

另一个有趣的值是松弛变量xi，它是支持向量与wx+b=+1（或-1）定义的“硬”边距的“代数”距离（不是欧几里得）。仅对支持向量为正，如果一个点不是支持向量，则其xi 等于0。更简洁：

xi = max(0, 1 - y*(w'*x+b))

y 是标签。