Σέργιος Θεοδωρίδης Κωνσταντίνος Κουτρούμπας. Version 2

Transcript

1 Σέργιος Θεοδωρίδης Κωνσταντίνος Κουτρούμπας Verson

2 ΧΑΡΤΟΓΡΑΦΗΣΗ ΤΟΥ ΧΩΡΟΥ ΤΩΝ ΤΑΞΙΝΟΜΗΤΩΝ Ταξινομητές Ταξινομητές συναρτ. διάκρισης Ταξινομητές επιφανειών απόφ. Παραμετρικοί ταξινομητές Μη παραμετρικοί ταξινομητές Μη παραμετρικοί ταξινομητές Παραμετρικοί ταξινομητές Ταξινομ. Bayes Ευκλείδειας απόστασης Τετραγ. Ταξινομ. Γραμμικοί Ταξινομ. Mahalanobs απόστασης Ταξινομ. Bayes Ταξιν. k- πλησιέστ. γειτόνων Perceptron Γραμμικοί Ταξινομ. Ταξιν. Ελαχ. τετραγώνων Μηχανές διανυσμ. στήριξης Μη γραμ. ταξινομ. Νευρωνικά δίκτυα

3 ΧΑΡΤΟΓΡΑΦΗΣΗ ΤΟΥ ΧΩΡΟΥ ΤΩΝ ΤΑΞΙΝΟΜΗΤΩΝ Υπενθ.: X είναι το σύνολο των δεδομένων σημείων όλων των κλάσεων X j είναι το υποσύνολο του X που περιέχει τα διανύσματα της κλάσης ω j, X=X X M Παραμετρικοί ταξινομητές με βάση τις συναρτήσεις διάκρισης - - -

4 ΧΑΡΤΟΓΡΑΦΗΣΗ ΤΟΥ ΧΩΡΟΥ ΤΩΝ ΤΑΞΙΝΟΜΗΤΩΝ Υπενθ.: X είναι το σύνολο των δεδομένων σημείων όλων των κλάσεων X j είναι το υποσύνολο του X που περιέχει τα διανύσματα της κλάσης ω j, X=X X M Μη παραμετρικοί ταξινομητές με βάση τις συναρτήσεις διάκρισης g ( ) = j k j

5

6 ΜΗ ΓΡΑΜΜΙΚΟΙ ΠΑΡΑΜΕΤΡΙΚΟΙ ΤΑΞΙΝΟΜΗΤΕΣ ΕΠΙΦΑΝΕΙΩΝ ΑΠΟΦΑΣΗΣ Μερικά προκαταρτικά: - Στην πράξη έχουμε στη διάθεσή μας ένα σύνολο δεδομένων (tranng set) όπου X l = {(, d ), R, d {,,..., M},,... N} = είναι η l-διάστατη αναπαράσταση της -στής οντότητας ενός συνόλου N οντοτήτων (tranng vector) d είναι η ετικέτα της κλάσης στην οποία ανήκει το ( για ω, για ω, ). - Εστιάζουμε κυρίως στην περίπτωση δύο κλάσεων (συνήθως ω + ή A και ω -(0) ή B). - Δεν υιοθετούμε κάποια υπόθεση σχετικά με τις συναρτήσεις πυκν. πιθ. (pdfs) που μοντελοποιούν τις κλάσεις. - Εστιάζουμε σε ταξινομητές που δύνανται να υλοποιήσουν μη γραμμικούς διαχωρισμούς μεταξύ των (δεδομένων των) κλάσεων. -ΣΗΜ.: Μη γραμμικοί διαχωρισμοί μπορούν να επιτευχθούν είτε μέσω μιας μη γραμμικής επιφανειας, είτε μέσω συνδυασμού μερικών γραμμικών η μη γραμμικών επιφανειών. Σε κάθε περίπτωση ορίζεται μια επιφάνεια απόφασης.

7 ΜΗ ΓΡΑΜΜΙΚΟΙ ΠΑΡΑΜΕΤΡΙΚΟΙ ΤΑΞΙΝΟΜΗΤΕΣ ΕΠΙΦΑΝΕΙΩΝ ΑΠΟΦΑΣΗΣ Σημ.: Εκτός αν ορίζεται διαφορετικά, θεωρούμε την περίπτωση των δύο κλάσεων,.e., ω (+) and ω (-). Ορισμός του προβλήματος: Δοθέντος ενός συνόλου δεδομένων X σχεδίασε ένα ταξινομητή που επιτυγχάνει τον βέλτιστο δυνατό διαχωρισμό των (διανυσμάτων των) δύο κλάσεων. Στρατηγική επίλυσης:. Υιοθέτησε ένα συγκεκριμένο (μη γραμμικό) παραμετρικό μοντέλο για τον ταξινομητή (w είναι το διάνυσμα που περιέχει όλες τις παραμέτρους του).. Όρισε κατάλληλη συνάρτηση κόστους (cost functon) του w, J(w), η οποία εμπλέκει επίσης τα διανύσματα του X, έτσι ώστε οι θέσεις των βέλτιστών της να αντιστοιχούν στο βέλτιστο δυνατό διαχωρισμό για το πρόβλημα. Βελτιστοποίησε την J(w) ως προς w. Η θέση w όπου η J(w) παρουσιάζει βέλτιστο ορίζει τον καλύτερο δυνατό διαχωρισμό. Σημαντική παρατήρηση: Η έννοια της φράσης καλύτερος δυνατός διαχωρισμός διαφέρει για διαφορετικές επιλογές της J(w).

8 ΜΗ ΓΡΑΜΜΙΚΟΙ ΠΑΡΑΜΕΤΡΙΚΟΙ ΤΑΞΙΝΟΜΗΤΕΣ ΕΠΙΦΑΝΕΙΩΝ ΑΠΟΦΑΣΗΣ Σύντομη υπενθύμιση: - Ένας γραμμικός ταξινομητής ορίζεται μέσω ενός υπερεπιπέδου l 0 = k ( ) : = = T H h(,w) w K wl l w = wk k + w = w + w0 όπου w=[w,,w l ] T, =[,, l ] T (η γνώση των w και w 0 ορίζει πλήρως το (H)) 0 - Αν για δεδομένο είναι h(,w) = w T +w 0 >(<)0, το καταχωρείται στην κλάση +(0). -Τέτοιοι ταξινομητές υλοποιούνται από τη δομή perceptron, με f(z)= (0), f z>(<)0

9 ΜΗ ΓΡΑΜΜΙΚΟΙ ΠΑΡΑΜΕΤΡΙΚΟΙ ΤΑΞΙΝΟΜΗΤΕΣ ΕΠΙΦΑΝΕΙΩΝ ΑΠΟΦΑΣΗΣ Μία μη γραμμική επιφάνεια Συνδυασμός περισσοτέρων της μίας επιφανειών

10 ΜΗ ΓΡΑΜΜΙΚΟΙ ΠΑΡΑΜΕΤΡΙΚΟΙ ΤΑΞΙΝΟΜΗΤΕΣ ΕΠΙΦΑΝΕΙΩΝ ΑΠΟΦΑΣΗΣ Ερώτηση: Με ποιο τρόπο εισάγεται η μη γραμμικότητα; Απάντηση: Μέσω της γραμμικότητας. ο σενάριο (π.χ., μηχανές διανυσματικής στήριξης SVMs) Απεικόνισε τον χώρο των δεδομένων σε ένα χώρο μεγαλύτερης διάστασης όπου αυτά είναι πιο πιθανό να είναι (σχεδόν) γραμμικώς διαχωρίσιμα. Λύσε ένα γραμμικό πρόβλημα στο χώρο μεγαλύτερης διάστασης. ο σενάριο (π.χ., νευρωνικά δίκτυα) Μέσω της κατάλληλης εισαγωγής υπερεπιπέδων απεικόνισε διαδοχικά τον αρχικό χώρο σε άλλους χώρους όπου το πρόβλημα θα γίνεται όλο και «περισσότερο γραμμικώς διαχωρίσιμο». Λύσε το γραμμικό πρόβλημα στον τελευταίο από τους παραπάνω χώρους.

11 ΜΗ ΓΡΑΜΜΙΚΟΙ ΤΑΞΙΝΟΜΗΤΕΣ Τα προβλήματα AND και OR είναι γραμμικώς διαχωρίσιμα.

12 ΜΗ ΓΡΑΜΜΙΚΟΙ ΤΑΞΙΝΟΜΗΤΕΣ Το πρόβλημα eclusve OR (XOR) XOR Class B 0 A 0 A 0 B Δεν υπάρχει καμία γραμμή (υπερεπίπεδο) που διαχωρίζει την κλάση A από την κλάση B.

13 Διατύπωση προβλήματος: Έστω ένα μη γραμμικώς διαχωρίσιμο πρόβλημα ταξινόμησης στο χώρο R l. Υπάρχουν k συναρτήσεις f (.) μέσω των οποίων ο αρχικός χώρος μπορεί να απεικονιστεί σε ένα νέο k-διάστατο χώρο, όπου το πρόβλημα να είναι γραμμικώς διαχωρίσιμο; Αν συμβαίνει αυτό, η μη γραμμική επιφάνεια-σύνορο στον αρχικό χώρο () μπορεί να γραφεί ως γραμμική στο μετασχηματισμένο χώρο (y). = ) (... ) ( f f y k 0 ) ( ) ( ) ( 0 < > + = f w w g k ΜΗ ΓΡΑΜΜΙΚΟΙ ΤΑΞΙΝΟΜΗΤΕΣ ΓΕΝΙΚΕΥΜΕΝΟΙ ΓΡΑΜ. ΤΑΞΙΝΟΜΗΤΕΣ

14 ΜΗ ΓΡΑΜΜΙΚΟΙ ΤΑΞΙΝΟΜΗΤΕΣ ΓΕΝΙΚΕΥΜΕΝΟΙ ΓΡΑΜ. ΤΑΞΙΝΟΜΗΤΕΣ ΣΗΜ.: Σχηματικά η παραπάνω απεικόνιση y φαίνεται στο παρακάτω διάγραμμα, που περιλαμβάνει δύο επίπεδα επεξεργασίας. Στο πρώτο επιτυγχάνεται η απεικόνιση του αρχικού χώρου σε ένα νέο χώρο (κάθε κόμβος αντιστοιχεί σε μια συνάρτηση f (.) ). Το δεύτερο αντιστοιχεί σε ένα γραμμικό ταξινομητή.

15 ΜΗ ΓΡΑΜΜΙΚΟΙ ΤΑΞΙΝΟΜΗΤΕΣ ΓΕΝΙΚΕΥΜΕΝΟΙ ΓΡΑΜ. ΤΑΞΙΝΟΜΗΤΕΣ (0,) (0,0) (,) (,0) Έστω ο μετασχηματισμός 0,0,0) (0,,0) (,,) (,0,0) Στο νέο χώρο η διαδικασία ταξινόμησης γίνεται γραμμική

16 ΜΗ ΓΡΑΜΜΙΚΟΙ ΤΑΞΙΝΟΜΗΤΕΣ ΓΕΝΙΚΕΥΜΕΝΟΙ ΓΡΑΜ. ΤΑΞΙΝΟΜΗΤΕΣ Παράδειγμα : Έστω =(,), =(,), 3 =(0,), 4 =(,0), 5 =(3,), 6 =(,3), 7 =(-,), 8 =(,-). Τα πρώτα 4 διανύσματα ανήκουν στην κλάση + ενώ τα υπόλοιπα στην κλάση -. Έστω ο μετασχηματισμός Στο νέο χώρο η διαδικασία ταξινόμησης γίνεται γραμμική

17 ΜΗ ΓΡΑΜΜΙΚΟΙ ΤΑΞΙΝΟΜΗΤΕΣ ΓΕΝΙΚΕΥΜΕΝΟΙ ΓΡΑΜ. ΤΑΞΙΝΟΜΗΤΕΣ Παράδειγμα : Έστω =(,0), =(0,), 3 =(-,0), 4 =(0,-), 5 =(,0), 6 =(0,), 7 =(-,0), 8 =(0,-). Τα πρώτα 4 διανύσματα ανήκουν στην κλάση + ενώ τα υπόλοιπα στην κλάση -. Έστω ο μετασχηματισμός Στο νέο χώρο η διαδικασία ταξινόμησης γίνεται γραμμική

18 ΜΗ ΓΡΑΜΜΙΚΟΙ ΤΑΞΙΝΟΜΗΤΕΣ ΓΕΝΙΚΕΥΜΕΝΟΙ ΓΡΑΜ. ΤΑΞΙΝΟΜΗΤΕΣ Χωρητικότητα του l-διάστατου χώρου σε γραμμικές διχοτομήσεις Έστω N σημεία στον δηλαδή: R l χώρο που υποθέτουμε ότι βρίσκονται σε γενική θέση, l + l Καμία ομάδα τέτοιων σημείων δεν βρίσκεται σε έναν διάστατο χώρο.

19 Χωρητικότητα του l-διάστατου χώρου σε γραμμικές διχοτομήσεις Θεώρημα Cover: Ο αριθμός των ομαδοποιήσεων που μπορούν να υλοποιηθούν από (l-)-διάστατα υπερεπίπεδα προκειμένου να διαχωριστούν N σημεία σε δύο κλάσεις είναι, ), ( 0 = = l N l N O! )! ( )! ( N N N = ΜΗ ΓΡΑΜΜΙΚΟΙ ΤΑΞΙΝΟΜΗΤΕΣ ΓΕΝΙΚΕΥΜΕΝΟΙ ΓΡΑΜ. ΤΑΞΙΝΟΜΗΤΕΣ

20 ΜΗ ΓΡΑΜΜΙΚΟΙ ΤΑΞΙΝΟΜΗΤΕΣ ΓΕΝΙΚΕΥΜΕΝΟΙ ΓΡΑΜ. ΤΑΞΙΝΟΜΗΤΕΣ Παράδειγμα: Για N=4, l=, είναι O(4,)=4 Σημείωση: Ο συνολικός αριθμός δυνατών ομαδοποιήσεων είναι 4 = Α Β C D X X

21 ΜΗ ΓΡΑΜΜΙΚΟΙ ΤΑΞΙΝΟΜΗΤΕΣ ΓΕΝΙΚΕΥΜΕΝΟΙ ΓΡΑΜ. ΤΑΞΙΝΟΜΗΤΕΣ Χωρητικότητα του l-διάστατου χώρου σε γραμμικές διχοτομήσεις Η πιθανότητα ομαδοποίησης N σημείων σε δύο γραμμικώς διαχωρίσιμες κλάσεις είναι O( N, l) = l P N N N = r( l +)

22 ΜΗ ΓΡΑΜΜΙΚΟΙ ΤΑΞΙΝΟΜΗΤΕΣ ΓΕΝΙΚΕΥΜΕΝΟΙ ΓΡΑΜ. ΤΑΞΙΝΟΜΗΤΕΣ Χωρητικότητα του l-διάστατου χώρου σε γραμμικές διχοτομήσεις Έτσι, η πιθανότητα να έχουμε N σημεία σε γραμμικώς διαχωρίσιμες κλάσεις τείνει στο, για μεγάλο l, υπό την προϋπόθεση ότι N<(l +) Συνεπώς, απεικονίζοντας σε χώρο υψηλότερης διάστασης, αυξάνουμε την πιθανότητα γραμμικού διαχωρισμού, υπό την προϋπόθεση ότι ο χώρος δεν παρουσιάζει μεγάλη πυκνότητα σε σημεία δεδομένων.

23 ΜΗ ΓΡΑΜΜΙΚΟΙ ΤΑΞΙΝΟΜΗΤΕΣ ΓΕΝΙΚΕΥΜΕΝΟΙ ΓΡΑΜ. ΤΑΞΙΝΟΜΗΤΕΣ Ερώτηση: Πώς τα παραπάνω μπορούν να χρησιμοποιηθούν στην πράξη; Απάντηση: Δοθέντος ενός συνόλου Y={( n,d n ), n R l, d n {-,} n=,,n}: Απεικόνισε τα n ως εξής: R l n φ( n ) R K, με K>>l Όσο μεγαλύτερο είναι το K, τόσο μεγαλύτερη είναι η πιθανότητα να καταστεί το πρόβλημα γραμμικώς διαχωρίσιμο. Όρισε φ()=[φ (),, φ K ()] T Προσδιόρισε το υπερεπίπεδο (H) : w Τ φ()+w 0 =0 που διαχωρίζει με βέλτιστο τρόπο τα δεδομένα στο μετασχηματισμένο χώρο. Γενικό σχόλιο: Στην περίπτωση προβλημάτων ταξινόμησης, η απεικόνιση σε χώρους υψηλότερης διάστασης καθιστά το πρόβλημα περισσότερο γραμμικώς διαχωρίσιμο. 3

24 ΜΗ ΓΡΑΜΜΙΚΟΙ ΤΑΞΙΝΟΜΗΤΕΣ ΓΕΝΙΚΕΥΜΕΝΟΙ ΓΡΑΜ. ΤΑΞΙΝΟΜΗΤΕΣ Y={( n,d n ), n R l, d n {-,} n=,,n} Παράδειγμα: Τα δεδομένα στο επίπεδο στο διπλανό σχήμα δεν είναι γραμμικώς διαχωρίσμα. Απεικονίζοντας το επίπεδο στον 3-διάστατο χώρο μέσω του μετασχηματισμού [ T, ] ϕ [,,4 ep( ( + ) / 3) + Τα σημεία των δύο κλάσεων στον 3-διάστατο χώρο είναι γραμμικώς διαχωρίσιμα. 5] T ΣΗΜ.: Τα σημεία στον 3-d χώρο βρίσκονται σε παραβολοειδή επιφάνεια (περιγράφεται από δύο ανεξάρτητες παραμέτρους). Στην πραγματικότητα, Ενσωματώνουμε μια l-διάστατη μη γραμμική επιφάνεια (όπου ανήκουν τα δεδομένα) σε έναν K-διάστατο χώρο, ώστε τα δεδομένα των δύο κλάσεων να

25 ΜΗ ΓΡΑΜΜΙΚΟΙ ΤΑΞΙΝΟΜΗΤΕΣ ΓΕΝΙΚΕΥΜΕΝΟΙ ΓΡΑΜ. ΤΑΞΙΝΟΜΗΤΕΣ

26 ΜΗ ΓΡΑΜΜΙΚΟΙ ΤΑΞΙΝΟΜΗΤΕΣ ΓΕΝΙΚΕΥΜΕΝΟΙ ΓΡΑΜ. ΤΑΞΙΝΟΜΗΤΕΣ Μηχανές διανυσματικής στήριξης (SVM): Η μη γραμμική περίπτωση Ας θυμηθούμε ότι η πιθανότητα να έχουμε γραμμικώς διαχωρίσιμες κλάσεις αυξάνει καθώς αυξάνει και η διάσταση των χώρου χαρακτηριστικών. Έστω η απεικόνιση: Τότε μπορούμε να χρησιμοποιήσουμε SVM στο χώρο R k. R Υπενθυμίζουμε ότι το δυϊκό πρόβλημα που θα λύσουμε θα είναι το mamze ( λ 0 οπου y R N Ο ταξινομητής στο μετασχηματισμένο χώρο (y) εκφράζεται ως g( y) οπου l λ y =, j k R k, λ λ d Ns T = w y + w = 0 = k y R j k λ d d > y j T l y T y y j ) Έτσι, εμπλέκονται εσωτερικά γινόμενα σε ένα χώρο υψηλής διάστασης υψηλή υπολογιστική πολυπλοκότητα.

27 Μηχανές διανυσματικής στήριξης (SVM): Η μη γραμμική περίπτωση Κάτι έξυπνο: Υπολόγισε τα εσωτερικά γινόμενα στον χώρο υψηλής διάστασης σαν συνάρτηση των εσωτερικών γινομένων στο χώρο χαμηλής διάστασης!!! Είναι αυτό ΔΥΝΑΤΟΝ;; Ναι. Να ένα παράδειγμα Τότε είναι εύκολο να δείξουμε ότι [ ] 3, R y R T = Ε = Ε στω στω ) ( j T j T y y = ΜΗ ΓΡΑΜΜΙΚΟΙ ΤΑΞΙΝΟΜΗΤΕΣ ΓΕΝΙΚΕΥΜΕΝΟΙ ΓΡΑΜ. ΤΑΞΙΝΟΜΗΤΕΣ

28 ΜΗ ΓΡΑΜΜΙΚΟΙ ΤΑΞΙΝΟΜΗΤΕΣ ΓΕΝΙΚΕΥΜΕΝΟΙ ΓΡΑΜ. ΤΑΞΙΝΟΜΗΤΕΣ Μηχανές διανυσματικής στήριξης (SVM): Η μη γραμμική περίπτωση Θεώρημα του Mercer: Έστω R l και μια απεικόνιση f f() H, όπου Η είναι ένας χώρος Hlbert (). Για την πράξη του εσωτερικού γινομένου στο χώρο Η, που συμβολίζεται με <.,.>, ισχύει <f(),f(z)> = K(,z), όπου K(,z), μία συνεχής συμμετρική συνάρτηση (πυρήνας kernel) που ικανοποιεί τη συνθήκη C C για κάθε g(), C R l με Κ(, z) g( ) g( z) ddz 0 g ( ) d< +, Αντίστροφα: Κάθε συνεχής, συμμετρική συνάρτηση K(,z) που ικανοποιεί τις παραπάνω συνθήκες, αντιστοιχεί στο εσωτερικό γινόμενο ΚΑΠΟΙΟΥ χώρου. () Χώρος Hlbert: Πλήρης γραμμικός (πεπερασμένης ή άπειρης διάστασης) χώρος εξοπλισμένος με μια πράξη εσωτερικού γινομένου. Όταν η διάσταση είναι πεπερασμένη έχουμε έναν Ευκλείδειο χώρο.

29 ΜΗ ΓΡΑΜΜΙΚΟΙ ΤΑΞΙΝΟΜΗΤΕΣ ΓΕΝΙΚΕΥΜΕΝΟΙ ΓΡΑΜ. ΤΑΞΙΝΟΜΗΤΕΣ Μηχανές διανυσματικής στήριξης (SVM): Η μη γραμμική περίπτωση Παραδείγματα συναρτήσεων πυρήνων Συναρτήσεις ακτινωτής βάσης (Radal bass functons) (για κατάλληλες τιμές του σ) K(, z) ep Πολυωνυμικές συναρτήσεις (Polynomal functons) (για κατάλληλες τιμές του q) T z = σ q K(, z) = ( z + ), q > Συνάρτηση υπερβολικής εφαπτομένης (Hyperbolc tangent functons) (για κατάλληλες τιμές των β και γ) K(, z) = tanh( β z + γ ) T 0

30 ΜΗ ΓΡΑΜΜΙΚΟΙ ΤΑΞΙΝΟΜΗΤΕΣ ΓΕΝΙΚΕΥΜΕΝΟΙ ΓΡΑΜ. ΤΑΞΙΝΟΜΗΤΕΣ Μηχανές διανυσματικής στήριξης (SVM): Η μη γραμμική περίπτωση Μια σημαντική παρατήρηση: Στο παρόν πλαίσιο, υπονοείται μια μη γραμμική απεικόνιση f: R l y R k η οποία, ωστόσο, είναι άγνωστη. Έτσι, για δεδομένο διάνυσμα, δεν είναι γνωστή η εικόνα του y=f() στο μετασχηματισμένο χώρο (με άλλα λόγια, ο μετασχηματισμένος χώρος δεν μας είναι ρητά γνωστός). Αυτό που μας είναι γνωστό είναι η συνάρτηση K(.,.) (η οποία καλείται συνάρτηση πυρήνα kernel functon) η οποία εκφράζει το εσωτερικό γινόμενο δύο διανυσμάτων στο μετασχηματισμένο (υψηλής διάστασης) χώρο, σε συνάρτηση με το αντίστοιχο εσωτερικό γινόμενο στον αρχικό χώρο, δηλ., y T y j = K(, j ) Μ άλλα λόγια, για δύο δεδομένα διανύσματα, μας είναι γνωστό το εσωτερικό γινόμενό τους στο μετασχηματισμένο χώρο.

31 Μηχανές διανυσματικής στήριξης (SVM): Η μη γραμμική περίπτωση Τα βήματα για τη λύση του SVM προβλήματος Βήμα : Επέλεξε κατάλληλη συνάρτηση πυρήνα. Αυτό υπονοεί απεικόνιση σε έναν (άγνωστο) χώρο υψηλότερης διάστασης. Βήμα : Αυτό καταλήγει σε έναν υπονοούμενο συνδυασμό Βήμα 3: Καταχώρησε ένα δεδομένο στην κλάση + (-), ανάλογα με το αν 0,,...,, 0 subject to : )), ( (, ma = = j j j j d N C K d d λ λ λ λ λ λ ) ( N f d w s = = λ )0 ( ), ) ( 0 < > + = = w Κ( d g N s λ ΜΗ ΓΡΑΜΜΙΚΟΙ ΤΑΞΙΝΟΜΗΤΕΣ ΓΕΝΙΚΕΥΜΕΝΟΙ ΓΡΑΜ. ΤΑΞΙΝΟΜΗΤΕΣ

32 Μηχανές διανυσματικής στήριξης (SVM): Η μη γραμμική περίπτωση Η λογική πίσω από το βήμα 3: Έστω δεδομένο διάνυσμα και y=f() η εικόνα του στο μετασχηματισμένο χώρο. Προκειμένου να ταξινομήσουμε το σε μία από τις κλάσεις + ή -, πρέπει να ελέγξουμε αν ή ποσότητα w T y+w 0 είναι θετική ή αρνητική. Ωστόσο, αφού η απεικόνιση f(.) είναι άγνωστη, δεν γνωρίζουμε ούτε το y ούτε τα y =f( ) που εμπλέκονται στον τύπο του w (που επαναλαμβάνεται παρακάτω). Παρ όλες τις παραπάνω δυσχέρειες, η ποσότητα w T y+w 0 μπορεί να υπολογιστεί ως εξής ) ( N f d w s = = λ ), ( ) ( ) ( w K d w f f d w y y d w y w s s s N N T N T T + = + = + = + = = = λ λ λ ΜΗ ΓΡΑΜΜΙΚΟΙ ΤΑΞΙΝΟΜΗΤΕΣ ΓΕΝΙΚΕΥΜΕΝΟΙ ΓΡΑΜ. ΤΑΞΙΝΟΜΗΤΕΣ

33 ΜΗ ΓΡΑΜΜΙΚΟΙ ΤΑΞΙΝΟΜΗΤΕΣ ΓΕΝΙΚΕΥΜΕΝΟΙ ΓΡΑΜ. ΤΑΞΙΝΟΜΗΤΕΣ Μηχανές διανυσματικής στήριξης (SVM): Η μη γραμμική περίπτωση Η αρχιτεκτονική SVM ΣΗΜ.: Οι μη γραμμικές SVM μπορεί να θεωρηθούν ως γενικευμένοι γραμμικοί ταξινομητές.

34 ΜΗ ΓΡΑΜΜΙΚΟΙ ΤΑΞΙΝΟΜΗΤΕΣ ΓΕΝΙΚΕΥΜΕΝΟΙ ΓΡΑΜ. ΤΑΞΙΝΟΜΗΤΕΣ Μηχανές διανυσματικής στήριξης (SVM): Η μη γραμμική περίπτωση Παράδειγμα

35 ΜΗ ΓΡΑΜΜΙΚΟΙ ΤΑΞΙΝΟΜΗΤΕΣ ΝΕΥΡΩΝΙΚΑ ΔΙΚΤΥΑ Η δομή δικτύου Perceptron δύο επιπέδων Για το πρόβλημα XOR, σχεδίασε δύο, αντί για μία γραμμές. Η σκιασμένη περιοχή καταχωρείται στη κλάση A ενώ η μη-σκιασμένη περιοχή καταχωρείται στη κλάση B.

36 ΜΗ ΓΡΑΜΜΙΚΟΙ ΤΑΞΙΝΟΜΗΤΕΣ ΝΕΥΡΩΝΙΚΑ ΔΙΚΤΥΑ Η δομή δικτύου Perceptron δύο επιπέδων Έστω ότι το =[, ] T απεικονίζεται στο διάνυσμα y=[y,y ] T, όπου το y ισούται με (0), αν το ανήκει στη θετική (αρνητική) πλευρά της -στής γραμμής, =,. Τότε Απεικόνιση Διαχωρισμός y y 0 0 0(-) 0(-) B(0) 0 (+) 0(-) A() 0 (+) 0(-) A() (+) (+) B(0)

37 ΜΗ ΓΡΑΜΜΙΚΟΙ ΤΑΞΙΝΟΜΗΤΕΣ ΝΕΥΡΩΝΙΚΑ ΔΙΚΤΥΑ Η δομή δικτύου Perceptron δύο επιπέδων Έστω ότι το =[, ] T απεικονίζεται στο διάνυσμα y=[y,y ] T, όπου το y ισούται με (0), αν το ανήκει στη θετική (αρνητική) πλευρά της -στής γραμμής, =,. Τότε, κάθε σημείο της σκιασμένης περιοχής απεικονίζεται στο σημείο (,0) στο νέο χώρο κάθε σημείο της μη σκιασμένης περιοχής απεικονίζεται είτε στο (0,0) είτε στο (,). g( ) = = 0 g( ) = +.5 = 0 g( y) = y y 0.5 = 0 g(y) ΣΗΜ.: Το πρόβλημα γίνεται γραμμικώς διαχωρίσιμο στο μετασχηματισμένο χώρο.

38 ΜΗ ΓΡΑΜΜΙΚΟΙ ΤΑΞΙΝΟΜΗΤΕΣ ΝΕΥΡΩΝΙΚΑ ΔΙΚΤΥΑ Η δομή δικτύου Perceptron δύο επιπέδων - Υλοποίηση Τοποθέτησε δύο νευρώνες (perceptrons) στο ίδιο (πρώτο) επίπεδο. Ο πρώτος (δεύτερος) υλοποιεί το διαχωρισμό που ορίζεται από τη γραμμή g ()=0 (g ()=0). Τοποθέτησε έναν επιπλέον νευρώνα στο δεύτερο επιπεδο, που παίρνει σαν είσοδο τις εξόδους των προηγουμένων δύο νευρώνων και υλοποιεί την ταξινόμηση στο μετασχηματισμένο χώρο. H : g ()=0 H : g( ) = + H : g( ) = + H : g( y) = y y 0.5 = 0.5 = = 0 H: g(y)=0 H : g ()=0

39 Δυνατότητες ταξινόμησης των δικτύων perceptrons δύο επιπέδων Στην περίπτωση το προβλήματος XOR, οι νευρώνες του πρώτου επιπέδου απεικονίζουν τα διανύσματα εισόδου () στις κορυφές του κύβου με πλευρά ίση με, δηλ., στις (0, 0), (0, ), (, 0), (, ). Στη γενικότερη περίπτωση όπου R l και χρησιμοποιούνται p (πρώτου επιπέδου) νευρώνες, η απεικόνιση γίνεται στις κορυφές του H p υπερκύβου, δηλ., ΜΗ ΓΡΑΜΜΙΚΟΙ ΤΑΞΙΝΟΜΗΤΕΣ ΝΕΥΡΩΝΙΚΑ ΔΙΚΤΥΑ y { 0,}, p T = [ y,... y p ], y =,... Το y ισούται με (0) αν το ανήκει στη θετική (αρνητική) πλευρά του g ()=0.

40 ΜΗ ΓΡΑΜΜΙΚΟΙ ΤΑΞΙΝΟΜΗΤΕΣ ΝΕΥΡΩΝΙΚΑ ΔΙΚΤΥΑ Δυνατότητες ταξινόμησης των δικτύων perceptrons δύο επιπέδων Τεμνόμενα υπερεπίπεδα στο χώρο που αντιστοιχούν στους p νευρώνες του πρώτου επιπέδου, ορίζουν περιοχές με την ακόλουθη ιδιότητα: ΟΛΑ τα σημεία μιας περιοχής έχουν την ίδια σχετική θέση ως προς τα p υπερεπίπεδα. Επομένως, απεικονίζονται στην ίδια κορυφή του H p υπερκύβου. Παράδειγμα: Η κορυφή 00 αντιστοιχεί στην περιοχή που βρίσκεται στην (-) πλευρά της g ()=0, στην (-) πλευρά της g ()=0, στη (+) πλευρά της g 3 ()=0.

41 ΜΗ ΓΡΑΜΜΙΚΟΙ ΤΑΞΙΝΟΜΗΤΕΣ ΝΕΥΡΩΝΙΚΑ ΔΙΚΤΥΑ Δυνατότητες ταξινόμησης των δικτύων perceptrons δύο επιπέδων Ο νευρώνας εξόδου αντιστοιχεί σε ένα υπερεπίπεδο στο μετασχηματισμένο χώρο το οποίο χωρίζει κάποιες κορυφές του H p υπερκύβου από τις υπόλοιπες. Συνεπώς, ένα perceptron δύο επιπέδων έχει τη δυνατότητα να διαχωρίσει κλάσεις που αποτελούνται από ενώσεις πολυεδρικών περιοχών. Αλλά ΌΧΙ ΟΠΟΙΕΣΔΗΠΟΤΕ ενώσεις. Αυτό εξαρτάται από τη σχετική θέση των αντίστοιχων κορυφών του υπερκύβου. Παράδειγμα: Δεν υπάρχει υπερεπίπεδο που να διαχωρίζει τις μπλε κορυφές από τις υπόλοιπες

42 Δίκτυα Perceptrons τριών επιπέδων Η αρχιτεκτονική ΜΗ ΓΡΑΜΜΙΚΟΙ ΤΑΞΙΝΟΜΗΤΕΣ ΝΕΥΡΩΝΙΚΑ ΔΙΚΤΥΑ Τέτοιες δομές είναι ικανές να διαχωρίσουν κλάσεις που ορίζονται από οποιαδήποτε ένωση πολυεδρικών περιοχών.

43 ΜΗ ΓΡΑΜΜΙΚΟΙ ΤΑΞΙΝΟΜΗΤΕΣ ΝΕΥΡΩΝΙΚΑ ΔΙΚΤΥΑ Δίκτυα Perceptrons τριών επιπέδων παράδειγμα

44 ΜΗ ΓΡΑΜΜΙΚΟΙ ΤΑΞΙΝΟΜΗΤΕΣ ΝΕΥΡΩΝΙΚΑ ΔΙΚΤΥΑ Δίκτυα Perceptrons τριών επιπέδων Έστω A=R R k () και B=R R m (0) (A B=R l ), όπου οι περιοχές R και R j ορίζονται από την τομή p υπερεπιπέδων, H,,H p. Πώς ένα perceptron τριών επιπέδων μπορεί να υλοποιήσει ΟΠΟΙΟΝΔΗΠΟΤΕ διαχωρισμό που ορίζεται από υπερεπίπεδα: - Τοποθέτησε p νευρώνες στο πρώτο επίπεδο, καθένας από τους οποίους αντιστοιχεί σε ένα από τα υπερεπίπεδα H,,H p. - Τοποθέτησε k nodes στο δεύτερο επίπεδο, καθένας από τους οποίους διαχωρίζει μια κορυφή του H p υπερκύβου που αντιστοιχεί σε μια περιοχή R, από όλες τις υπόλοιπες κορυφές. - Τοποθέτησε έναν OR νευρώνα στο τρίτο επίπεδο (αυτός επιστρέφει 0 για την κορυφή 00 0 του H k υπερκύβου και για όλες τις υπόλοιπες). ΣΗΜ.: Το πρώτο επίπεδο του δικτύου ορίζει τα υπερεπίπεδα, το δεύτερο επίπεδο ορίζει τις περιοχές και ο νευρώνας εξόδου ορίζει τις κλάσεις.