由浅入深了解PCA和KPCA

1.PCA（Principal Component Analysis）

假设有这么多个零均值训练样本（如果不是zero mean就减去平均值），PCA的目标就是找到一个比较小的集合p<=d，这个集合具有最大量的variance值，即投影到坐标轴上的variance值

根据上图的一圈变量，找到投影后分散量最大方向（即蓝色的这条线）

如何找到投影方向以及投影后的向量：

正射影长（红色这段投影线的长度）：

要找到向量，就得先找到v这个方向的单位向量(代表长度是1），整体计算方法如下图

投影就是找到做内积的坐标，如下图中找到五个向量在v的内积（都是一个单值，即算出来是一个数）投影

假设有另一个轴，找到在上的内积（都是一个单值），投影的坐标

PCA的目标就是要找到一个方向分散的最大的variance，如下图所示

由于内积算出的都是单值，因此是用单变数的统计概念来计算variance值，下图是计算方法（图中C是协方差矩阵，又称共变异数矩阵）

在找到所有variance值后，就是要找到最大的variance值，可用argmax函数

要找到v就要先找到,就用Lagrangian（拉格朗日函数）来解，求微分后会得到一个特征值（eigenvalue）和特征向量（eigenvector）

由上式可知，只需要把求协方差矩阵C变成求两个值的最大值就可以了，即最大特征值和最大特征向量（限制eigenvector的长度为1）

根据公式简化可以得到，最后要求的最大值其实就是最大的特征值（eigenvalue）

以此类推，如果要找两个方向的variance，即找最大的eigenvalue和第二大的eigenvalue；找三个方向的variance就是找最大的、第二大的和第三大的eigenvalue，最后得到的variance值就是几个相加起来的结果（因为求出来的value都是垂直的）

根据前面的公式推导，多变量统计中都是矩阵，分别为列向量矩阵和行向量矩阵，可以用下图中的来表示

2.KPCA（Kernel-based PCA）

什么是kernel化——可以指的是将原先的空间的资料送到一个feature space上去（feature space的维度比较大），通过该feature space来进行计算。所以KPCA的目标就是把feature space的协方差矩阵C（covariance matrix）和eigenvalue的值求出来。步骤如下，即把training sample训练样本送到feature space上去，再根据单值公式套入计算

上式中我们能够知道的只有kernel function，而是不知道的，所以我们就要想办法把公式C变成跟kernel function有关，下图是由kernel function计算出的K值

由上面的公式计算出的简化为，而原始式子中是，所以我们要通过找到K中的eigenvectors来找到C中的eigenvectors，最后计算出两者的eigenvalue跟eigenvector的关系

由上面公式推导可以看出，两者的eigenvalue是相同的，但两者的eigenvectors是不一样的，一个的eigenvectors是u，一个的eigenvectors是，但最终我们要做到的是令eigenvector的长度值为1，就除以它自己长度就可以

根据上面的式子可以找到两向量u和v之间的一个关系，但是关系式中的仍是未知的，而对于最终的结果来说，要得到投影到向量上的内积值才是我们的终极目标。因此再通过一次内积，便可以找到要求的variance

将data送到feature space上面，在feature space上面找到变异量最大的方向，投影下来的坐标就可以随之找出

总结：对于KPCA就是先算出kernel matrix的eigenvalue跟eigenvectors，然后求出来的eigenvalue和eigenvectors按照大小排列，得到了kernel matrix后就根据投影后的测试样本求出covariance matrix（不同的kernel对应不同的不同kappa所求出来的结果会对应不同）

有两个重要的因素决定值，一个是kernel function，挑选合适的kernel function是一个很重要的关键，其次是资料的形态

PCA跟KPCA最终的一个对比图