K_DM Book
用語集
対象者 標準
対象者別の入口 →

対象者の設定はこのブラウザの中にだけ保存されます。

言語 JA

サポートベクター回帰 (SVR)

中級

02.1.10

サポートベクター回帰 (SVR)

最終更新 2020-06-03 読了時間 4 分
まとめ
サポートベクター回帰(SVR)は、予測曲線の上下に幅 \(\epsilon\) のチューブを敷き、チューブの中に入った点の誤差を 0 と数える回帰です。チューブの外に出た点だけが罰則 C を受け、その点(サポートベクター)だけが曲線の形を決めます。kernel="rbf" を使うと直線ではなく滑らかな曲線を当てはめられ、gamma で曲線の局所的な曲がりやすさを調整します。このページでは \(1.5\sin x + 0.3\cos 2x\) にノイズを足した 300 点を 75% / 25% に分け、SVR(C=10.0, epsilon=0.1) の曲線と真の関数を重ね、訓練 RMSE とテスト RMSE で過学習の有無を確かめます。

先に サポートベクターマシン(SVM) で「マージンに乗った数点だけが境界を決める」仕組みを見ておくと、SVR のチューブとサポートベクターが同じ考え方だと分かります。

直感 #

最小二乗法は全部の点の残差を 2 乗して足すので、ノイズで 0.05 ずれただけの点も曲線を引っぱります。SVR は「\(\epsilon = 0.1\) 以内のずれは誤差ではない」と決めて、予測曲線の上下 0.1 の帯(チューブ)の中にある点を無視します。チューブの外にはみ出した点だけが、はみ出した量に比例して罰則 C を受け、この点がサポートベクターです。チューブの中の点はいくら動いても曲線は変わらないので、300 点のうち数十点だけで曲線が決まります。RBF カーネルはこの曲線を「各サポートベクターの周りに置いた釣鐘を足し合わせた形」にするので、直線では表せない sin のような波も当てはめられます。

何が起きているか(ステップで見る) #

コードを読む前に、この手法が図の上で何をしているかを追ってみましょう。「再生」を押すか、スライダーを動かすと 1 手順ずつ進みます。

見るポイント:境界を決めるのはマージンに乗った数点だけ。他の点が動いても境界は変わらない。SVR では「マージン」が幅 \(\epsilon\) のチューブに置き換わり、チューブの縁と外にある点がサポートベクターになります。

式で書くと何を最小にしているか #

第 1 項が曲線の滑らかさ(係数の大きさ)、第 2 項がチューブからのはみ出し量の合計で、C がその 2 つの重みの比です。最適化問題は

$$ \min_{\mathbf{w}, b, \boldsymbol{\xi}, \boldsymbol{\xi}^*} \frac{1}{2} \|\mathbf{w}\|^2 + C \sum_{i=1}^{n} (\xi_i + \xi_i^*) $$

で、制約条件は

$$ \begin{aligned} y_i - (\mathbf{w}^\top \phi(\mathbf{x}_i) + b) &\le \epsilon + \xi_i, \\ (\mathbf{w}^\top \phi(\mathbf{x}_i) + b) - y_i &\le \epsilon + \xi_i^*, \\ \xi_i, \xi_i^* &\ge 0 \end{aligned} $$

です。\(\xi_i\) は点がチューブの上にはみ出した量、\(\xi_i^\) は下にはみ出した量で、チューブ内の点では両方 0 になります。\(\phi\) はカーネルによる特徴空間への写像で、kernel="rbf" なら無限次元の写像を内積だけで計算します。双対問題を解くと \(\xi_i\) か \(\xi_i^\) が 0 でない点、つまりサポートベクターと、その係数が得られます。

Pythonを用いた実験や説明 #

次のコードは、真の関数 \(1.5\sin x + 0.3\cos 2x\) に標準偏差 0.2 のノイズを足した 300 点を 75% の訓練データと 25% のテストデータに分け、StandardScaler と SVR(kernel="rbf", C=10.0, epsilon=0.1) のパイプラインで学習します。予測曲線(赤の破線)と真の関数(緑)を重ね、訓練とテストの RMSE を印字します。

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
from __future__ import annotations

import matplotlib.pyplot as plt
import numpy as np
from sklearn.metrics import mean_squared_error
from sklearn.model_selection import train_test_split
from sklearn.pipeline import make_pipeline
from sklearn.preprocessing import StandardScaler
from sklearn.svm import SVR

def run_svr_demo(
    *,
    n_samples: int = 300,
    train_size: float = 0.75,
    xlabel: str = "input x",
    ylabel: str = "output y",
    label_train: str = "train samples",
    label_test: str = "test samples",
    label_pred: str = "SVR prediction",
    label_truth: str = "ground truth",
    title: str | None = None,
) -> dict[str, float]:
    """Train SVR on synthetic nonlinear data, plot fit, and report metrics.

    Args:
        n_samples: Number of data points sampled from the underlying function.
        train_size: Fraction of data used for training.
        xlabel: X-axis label for the plot.
        ylabel: Y-axis label for the plot.
        label_train: Legend label for training samples.
        label_test: Legend label for test samples.
        label_pred: Legend label for the SVR prediction line.
        label_truth: Legend label for the ground-truth curve.
        title: Optional title for the plot.

    Returns:
        Dictionary containing training and test RMSE values.
    """
    rng = np.random.default_rng(seed=42)

    X = np.linspace(0.0, 6.0, n_samples, dtype=float)
    y_true = np.sin(X) * 1.5 + 0.3 * np.cos(2 * X)
    y_noisy = y_true + rng.normal(scale=0.2, size=X.shape)

    X_train, X_test, y_train, y_test, y_true_train, y_true_test = train_test_split(
        X[:, np.newaxis],
        y_noisy,
        y_true,
        train_size=train_size,
        random_state=42,
        shuffle=True,
    )

    svr = make_pipeline(
        StandardScaler(),
        SVR(kernel="rbf", C=10.0, epsilon=0.1, gamma="scale"),
    )
    svr.fit(X_train, y_train)

    train_pred = svr.predict(X_train)
    test_pred = svr.predict(X_test)

    grid = np.linspace(0.0, 6.0, 400, dtype=float)[:, np.newaxis]
    grid_truth = np.sin(grid.ravel()) * 1.5 + 0.3 * np.cos(2 * grid.ravel())
    grid_pred = svr.predict(grid)

    fig, ax = plt.subplots(figsize=(10, 5))
    ax.scatter(X_train, y_train, color="#1f77b4", alpha=0.6, label=label_train)
    ax.scatter(X_test, y_test, color="#ff7f0e", alpha=0.6, label=label_test)
    ax.plot(grid, grid_truth, color="#2ca02c", linewidth=2, label=label_truth)
    ax.plot(grid, grid_pred, color="#d62728", linewidth=2, linestyle="--", label=label_pred)
    ax.set_xlabel(xlabel)
    ax.set_ylabel(ylabel)
    if title:
        ax.set_title(title)
    ax.legend()
    fig.tight_layout()
    plt.show()

    return {
        "train_rmse": float(mean_squared_error(y_train, train_pred, squared=False)),
        "test_rmse": float(mean_squared_error(y_test, test_pred, squared=False)),
    }

metrics = run_svr_demo(
    xlabel="入力 x",
    ylabel="出力 y",
    label_train="学習データ",
    label_test="テストデータ",
    label_pred="SVR の予測",
    label_truth="真の関数",
    title="SVR による非線形回帰",
)
print(f"訓練RMSE: {metrics['train_rmse']:.3f}")
print(f"テストRMSE: {metrics['test_rmse']:.3f}")

実行結果の読み方 #

赤の破線(SVR の予測)は緑の真の関数にほぼ沿い、青(訓練)と橙(テスト)の点がその上下に標準偏差 0.2 の幅で散らばります。印字される訓練 RMSE とテスト RMSE はどちらも 0.2 前後で近い値になり、225 点で学習した曲線が未知の 75 点にも同じ精度で当たっている、つまり過学習していないと読めます。C を 1000 にすると赤の破線が個々の点を追い始めて訓練 RMSE だけが下がり、epsilon を 0.5 にするとチューブが太くなって曲線が平らになります。

使いどころと落とし穴 #

数百〜数千件の中規模データで、関係が非線形かつノイズの幅がある程度分かっている場面が SVR の出番です。epsilon をノイズの標準偏差と同程度に置くと、ノイズに反応しない滑らかな曲線が得られます。落とし穴は 3 つあります。1 つ目はスケールで、RBF カーネルは距離で動くため StandardScaler なしでは単位の大きい特徴量だけで距離が決まります。2 つ目は計算量で、学習は \(O(n^2)\) 以上かかるため数万件を超えると LinearSVR や他手法に切り替えます。3 つ目は 3 つのパラメータの相互作用で、C・epsilon・gamma を 1 つずつ手で動かすより GridSearchCV で対数刻みに探索する方が確実です。線形で十分なら リッジ回帰、曲線の形が多項式で表せるなら 多項式回帰 の方が速く解釈もしやすいです。

ε チューブ幅と回帰曲線 #

ε の値を変えると不感帯の幅とフィッティングがどう変わるか確認できます。

参考文献 #

  • Smola, A. J., & Schölkopf, B. (2004). A Tutorial on Support Vector Regression. Statistics and Computing, 14(3), 199–222.
  • Vapnik, V. (1995). The Nature of Statistical Learning Theory. Springer.