机器学习降维之奇异值分解(SVD)

奇异值分解(Singular Value Decompostion, SVD) 是在机器学习领域广泛应用的算法，不光可以用于降维算法中的特征分解，还可以用于推荐系统，以及自然语言处理等领域，是很多机器学习算法的基石。本篇文章对SVD原理做主要讲解，在学习之前，确保你已经熟悉线性代数中的基本知识，包括特征值、特征向量、相似矩阵相关知识点。如果不太熟悉的话，推荐阅读如下两篇文章，如何理解矩阵特征值？知乎马同学的回答和如何理解相似矩阵？马同学高等数学，读完之后再看本篇文章会有很大帮助。

1. 回顾特征值和特征向量

我们首先回顾下特征值和特征向量的定义，如下所示。其中A是一个n×n的矩阵，x是一个n维向量，则我们说λ是矩阵A的一个特征值，x是矩阵A的特征值λ所对应的特征向量。但是求出特征值和特征向量有什么好处呢?
$$Ax=\lambda x$$
求出了矩阵A的n个特征值${\lambda }_1\le {\lambda }_2\le ...\le {\lambda }_n$，以及这n个特征值所对应的特征向量$w_1,w_2,...,w_n$，如果这n个特征值线性无关，那么矩阵A就可以用下式的特征分解表示
$$A=W\Sigma W^{-1}$$
其中Σ是以这n个特征值为主对角线的n×n维矩阵，W是这n个特征向量所组成的n×n维矩阵。一般我们会把W的这n个特征向量标准化，即满足$||w_i|{|}_2=1$，或者说$w_i^T{w}_i=1$，此时W的n个特征向量为标准正交基，满足$W^{T}W=I$，即$W^T=W^{-1}$，也就是说W为酉矩阵。这样我们的特征分解便可写作
$$A=W\Sigma W^T$$
上面矩阵能够进行特征分解，需要满足矩阵A必须为方阵。那么如果A不是方阵，即行和列不相同时，我们还可以进行矩阵分解吗？

2. 奇异值分解(SVD)

当矩阵A不是方阵时，可以用奇异值进行分解，假设我们的的矩阵A时一个m×n的矩阵，那么我们定义矩阵A的SVD为
$$A=U\Sigma V^T$$
其中U时一个m×m的矩阵，Σ是一个m×n的矩阵，除了主对角线上的元素以外全为0，主对角线上的每个元素都称为奇异值，V时一个n×n的矩阵。U和V都是酉矩阵，即满足
$$\begin{gathered} U^{T}U=I \\ {V}^{T}V=I \end{gathered}$$
下图可以形象的表示出上述SVD的定义，但我们如何求出SVD分解后的U,Σ,V这三个矩阵呢?

如果我们将A的转置和A做矩阵乘法，那么会得到n×n的一个方阵$A^{T}A$。既然$A^{T}A$是方阵，那么我们就可以进行特征分解，得到的特征值和特征向量满足下式
$$(A^{T}A)v_i={\lambda }_i{v}_i$$
这样我们就可以得到矩阵$A^{T}A$的n个特征值和对应的n个特征向量v。将$A^{T}A$的所有特征向量组成一个n×n的矩阵V，就是SVD公式里面的V矩阵，一般我们将V中的每个特征向量叫做A的右奇异向量。

同样，如果我们将A和A的转置做矩阵乘法，那么会得到m×m的一个方阵$A{A}^T$。因为$A{A}^T$是方阵，那么我们就可以进行特征分解，得到的特征值和特征向量满足下式
$$(A{A}^T)u_i={\lambda }_i{u}_i$$
这样我们就可以得到矩阵$A{A}^T$的m个特征值和对应的m个特征向量u。将$A{A}^T$的所有特征向量组成一个m×m的矩阵U，就是SVD公式里面的U矩阵，一般我们将U中的每个特征向量叫做A的左奇异向量。

U和V都已经求出，现在只有奇异值矩阵Σ没有求出。由于Σ除了对角线上是奇异值，其他位置都是0，因此我们只需要求出每个奇异值σ就可以了。我们注意到
$$\begin{gathered} A=U\Sigma V^T \\ AV=U\Sigma V^{T}V \\ AV=U\Sigma \\ A{v}_i=u_i{\sigma }_i \\ {\sigma }_i=\frac{A{v}_i}{u_i} \end{gathered}$$
通过上式，我们便可以求出每个奇异值，进而求出奇异值矩阵Σ。

上面还有一个问题没有细讲，就是我们说$A^{T}A$的特征向量组成的就是SVD中的V矩阵，$A{A}^T$的特征向量就是SVD的U矩阵，为什么呢？下面我们做简短证明。
$$\begin{gathered} A=U\Sigma V^T \\ {A}^T=V{\Sigma }^T{U}^T \\ {A}^{T}A=V{\Sigma }^{} \end{gathered}$$