工程实现

本章目标

1. 从工程角度看清 SVC 在本仓库中的完整调用链。
2. 理解数据生成、模型训练、流水线编排和结果可视化分别负责什么。
3. 理解 SVC 工程实现与其他分类算法的关键差异——支持向量统计日志、无 ROC 评估、标准化是硬性要求。

对应代码速览

组件	路径	说明
数据生成	data_generation/classification.py	ClassificationData.svc() 生成同心圆二分类数据
数据导出	data_generation/__init__.py	向外暴露 svc_data
训练封装	model_training/classification/svc.py	构建并训练 SVC(kernel='rbf')，打印支持向量统计
流水线入口	pipelines/classification/svc.py	组织切分、标准化、训练、预测与可视化的完整编排
混淆矩阵可视化	result_visualization/confusion_matrix.py	绘制并保存 2×2 二分类混淆矩阵图
决策边界可视化	result_visualization/decision_boundary.py	绘制并保存 PCA 二维决策边界图
学习曲线可视化	result_visualization/learning_curve.py	绘制并保存训练/验证得分曲线图

1. 端到端运行入口

示例代码

python -m pipelines.classification.svc

理解重点

• 这个命令串起当前 SVC 分册中最核心的工程流程。
• 依次完成：数据复制 → 特征/标签拆分 → 切分 → 标准化 → SVC fit()（求解对偶二次规划）→ 硬分类预测 → 三种可视化。
• 对大多数读者来说，pipelines/classification/svc.py 是理解工程实现的最佳起点。

2. run() 串起了整个流程

当前流水线的核心函数 run() 采用线性编排风格：

def run():
    # 1. 复制数据 & 拆出特征/标签
    data = svc_data.copy()
    X = data.drop(columns=["label"])
    y = data["label"]

    # 2. 划分训练/测试集
    X_train, X_test, y_train, y_test = train_test_split(
        X, y, test_size=0.2, random_state=42, stratify=y
    )

    # 3. 标准化（仅训练集上 fit）—— RBF 核的硬性要求
    scaler = StandardScaler()
    X_train_s = scaler.fit_transform(X_train)
    X_test_s = scaler.transform(X_test)

    # 4. 求解对偶二次规划 & 硬分类预测
    model = train_model(X_train_s, y_train)
    y_pred = model.predict(X_test_s)

    # 5. 可视化诊断（混淆矩阵、决策边界、学习曲线）
    plot_confusion_matrix(y_test, y_pred, ...)
    plot_decision_boundary(model_2d, X_2d, y.values, ...)
    plot_learning_curve(SVC_Model(kernel='rbf', ...), X_train_s, y_train, ...)

理解重点

• run() 的职责是编排，不是算法实现——真正的优化在 SVC.fit()（libsvm 的 SMO 算法求解对偶二次规划）中。
• 数据流是单向的：数据 → 切分 → 标准化 → 二次规划求解 → 硬分类预测 → 评估。
• 与逻辑回归流水线的关键差异：无 predict_proba 调用、无 ROC 曲线——因为 SVC 默认 probability=False。

3. 训练模块负责什么

model_training/classification/svc.py 里的 train_model(...) 主要负责四件事：

1. 创建 SVC(C=1.0, kernel='rbf', gamma='scale', random_state=42) 实例
2. 调用 model.fit(X_train, y_train)——libsvm SMO 算法求解对偶二次规划
3. 打印训练日志：耗时、支持向量总数、各类别支持向量数
4. 返回训练完成的主模型对象

参数速览

适用函数：train_model(X_train, y_train, C=1.0, kernel='rbf', gamma='scale', random_state=42)

参数名	类型	说明	示例取值
X_train	array_like	标准化后的训练特征矩阵，传入 SVC.fit()	X_train_s
y_train	array_like	训练标签向量，内部转换为 $\{-1,+1\}$	y_train
C	float	软间隔惩罚系数。默认 1.0	0.1、1.0、10.0
kernel	str	核函数类型。默认 'rbf'	'rbf'、'linear'、'poly'
gamma	float 或 str	RBF 核系数。默认 'scale'	'scale'、'auto'、0.1
random_state	int	随机种子。默认 42	42
返回值	SVC	已完成 fit() 的模型对象，含 n_support_、support_vectors_ 等属性	—

理解重点

• SVC 的 fit() 本质是迭代优化——libsvm 的 SMO 算法求解对偶二次规划，在计算特征上既不同于 GaussianNB（解析解）也不同于 KNN（无训练）。
• 训练日志中的 n_support_ 是 SVC 最有教学意义的输出——它直接将"支持向量决定边界"理论量化为可观察的数字。

4. 三类评估模块分别负责什么

模块职责速览

模块	函数	输入	输出
混淆矩阵	plot_confusion_matrix(...)	y_test、y_pred	2×2 二分类混淆矩阵图（PNG）
决策边界	plot_decision_boundary(...)	model_2d、X_2d、y.values	PCA 二维分类边界图（PNG）
学习曲线	plot_learning_curve(...)	SVC_Model(kernel='rbf', ...)、X_train_s、y_train	训练/验证得分随样本量变化曲线（PNG）

理解重点

• 三类可视化都不是训练的一部分，而是训练完成后的诊断步骤。
• 决策边界图依赖额外训练的 model_2d（PCA 空间中 SVC(kernel='rbf')）——与主模型配置一致但特征空间不同。
• 当前 SVC 流水线不使用 ROC 曲线模块（result_visualization/roc_curve.py）——这是 SVC 与其他分类分册在评估体系上的重要差异。

5. 模块间的数据依赖关系

数据	生产者	消费者
svc_data	data_generation/classification.py	pipelines/classification/svc.py
model（主模型）	train_model(...)	predict
y_pred	model.predict(...)	plot_confusion_matrix
model_2d	SVC_Model(kernel='rbf').fit(...)（PCA 空间）	plot_decision_boundary
图片产物	各可视化函数	outputs/svc/ 目录

理解重点

• 数据流向单向、无循环依赖，每个模块可以独立测试和替换。
• SVC 的流水线结构与逻辑回归、KNN 高度一致——但缺少 predict_proba → ROC 评估分支。
• model_2d 与主模型共享 kernel='rbf' 配置，确保决策边界图反映的是同类核函数的表现。

6. 运行后能得到什么

输出项

输出类型	当前结果	用途
终端标题	SVC 分类流水线	在终端中定位当前运行入口
训练日志	训练耗时、支持向量总数、各类别支持向量数	查看二次规划求解耗时和模型稀疏性
混淆矩阵图	outputs/svc/confusion_matrix.png	观察内外圈误分类方向
决策边界图	outputs/svc/decision_boundary.png	观察 RBF 核弯曲边界的形状——环形嵌套分离效果
学习曲线图	outputs/svc/learning_curve.png	诊断样本量对支持向量收敛的影响

理解重点

• 训练日志中的 n_support_ 是 SVC 独有的信息——它直接揭示模型依赖了多少关键样本来确定环形边界。
• 与逻辑回归输出 coef_ 不同，SVC 输出 n_support_ 反映的是稀疏解的特征——支持向量越少，模型越简洁。
• 决策边界图是 SVC 分册最具教学说服力的输出——环形边界直观展示了 RBF 核的非线性能力。

7. 推荐的源码阅读顺序

1. 先看 pipelines/classification/svc.py — 入口，了解整体流程（注意无 ROC 分支）
2. 再看 model_training/classification/svc.py — 训练封装，理解超参数和支持向量日志
3. 再看 result_visualization/confusion_matrix.py — 基础分类结果评估（2×2 矩阵）
4. 再看 result_visualization/decision_boundary.py — PCA 空间 RBF 核边界可视化
5. 再看 result_visualization/learning_curve.py — 训练行为诊断
6. 最后回到 data_generation/classification.py — 理解同心圆数据生成参数

理解重点

• 从入口看整体流程，再下钻到训练与可视化细节，阅读成本最低。
• 这个顺序对应数据流方向：数据 → 标准化 → 二次规划求解 → 硬分类预测 → 评估。

运行结果

常见坑

1. 把 pipeline 文件误认为训练算法实现本体——它只是编排层，真正的优化在 SVC.fit()（libsvm）中。
2. 不区分"主模型"（原始 2 维标准化空间）、"二维可视化模型"（PCA 空间）和"学习曲线模型实例"（CV 克隆）的职责边界。
3. 忽略 n_support_ 和 各类别支持向量数 的日志输出——这是理解 SVC 稀疏性的入口。
4. 期望 ROC 曲线评估——当前流水线未调用 plot_roc_curve，因为 SVC 默认不启用概率估计。
5. 只看单个文件，不顺着调用链理解整体执行流程。

小结

• 当前 SVC 工程实现采用清晰的模块分层：数据生成 → 训练封装 → 流水线编排 → 结果可视化（三种评估）。
• run() 负责串联，train_model(...) 负责二次规划求解（SMO 迭代优化），各可视化函数负责结果展示与诊断。
• SVC 在工程上最不同于其他分类算法的地方：标准化是硬性要求（RBF 核距离敏感）、训练日志输出 n_support_（稀疏性）、无 predict_proba / ROC 评估分支（probability=False）。