【机器学习四】主成分分析降维算法-PCA

主成分分析PCA算法

​ 主成分分析(Principal components analysis)，简称PCA，是最重要的数据降维算法之一。广泛的用于数据噪音消除和数据压缩消除冗余等领域。

一、降维

​ 常见的数据降维方法有：奇异值分解(SVD)、主成分分析(PCA)、因子分析(FA)、独立成分分析(ICA)。

降维的必要性：

1. 多重共线性和预测变量之间相互关联。多重共线性会导致解空间的不稳定，从而可能导致结果的不连贯。
2. 高维空间本身具有稀疏性。一维正态分布有68%的值落于正负标准差之间，而在十维空间上只有2%。
3. 过多的变量，对查找规律造成冗余麻烦。
4. 仅在变量层面上分析可能会忽略变量之间的潜在联系。例如几个预测变量可能落入仅反映数据某一方面特征的一个组内。

降维的目的：

1. 减少预测变量的个数。
2. 确保这些变量是相互独立的。
3. 提供一个框架来解释结果。相关特征，特别是重要特征更能在数据中明确的显示出来；如果只有两维或者三维的话，更便于可视化展示。
4. 数据在低维下更容易处理、更容易使用。
5. 去除数据噪声。
6. 降低算法运算开销。

二、PCA的原理及推导

2.1 PCA思想

​ PCA可解决训练数据中存在数据特征过多或特征累赘的问题。核心思想是将m维特征映射到n维（n < m），这n维形成主元，是重构出来最能代表原始数据的正交特征。

​ 假设数据集是m个n维，$({\mathbf{x}}^{(1)},{\mathbf{x}}^{(2)},\cdots ,{\mathbf{x}}^{(m)})$。如果$n=2$，需要降维到$n^{\prime }=1$，现在想找到某一维度方向代表这两个维度的数据。下图有$u_1,u_2$两个向量方向，但是哪个向量才是我们所想要的，可以更好代表原始数据集的呢？

从图可看出，$u_1$比$u_2$好，为什么呢？有以下两个主要评价指标：

1. 样本点到这个直线的距离足够近。
2. 样本点在这个直线上的投影能尽可能的分开。

如果我们需要降维的目标维数是其他任意维，则：

1. 样本点到这个超平面的距离足够近。
2. 样本点在这个超平面上的投影能尽可能的分开。

那么基于这两个标准，我们可以得到PCA推导的两种方法：基于最小投影距离和基于最大投影方差

2.2 基于最小投影距离的PCA推导

​ 基于最小投影距离方法的评价标准是样本点到超平面的距离最小

​ 假设数据集是m个n维，$(x^{(1)},x^{(2)},...,x^{(m)})$，且数据进行了中心化（零均值化，即$\sum _{i=1}^m{x}^i=0$）。经过投影变换得到新坐标为 $w_1,w_2,...,w_n$，其中 $w$ 是标准正交基，即 $\Vert w{\Vert }_2=1$，$w_i^T{w}_j=0$。

​ 经过降维后，新坐标为 { w 1 , w 2 , . . . , w n } \{ w_1,w_2,...,w_n \} {w1​,w2​,...,wn​}，其中 $n^{\prime }$ 是降维后的目标维数。样本点 $x^{(i)}$ 在新坐标系下的投影为 $z^{(i)}=\left(z_1^{(i)},z_2^{(i)},...,z_{n^{\prime }}^{(i)}\right)$，其中 $z_j^{(i)}=w_j^T{x}^{(i)}$ 是 $x^{(i)}$ 在低维坐标系里第 j 维的坐标。

​ 如果用 $z^{(i)}$ 去恢复 $x^{(i)}$ ，则得到的恢复数据为 ${\hat{x}}^{(i)}={\sum }_{j=1}^{n^{\prime }}{x}_j^{(i)}{w}_j=W{z}^{(i)}$，其中 $W$为标准正交基组成的矩阵。

​ 考虑到整个样本集，样本点到这个超平面的距离足够近，目标变为最小化 ${\sum }_{i=1}^m\Vert {\hat{x}}^{(i)}-x^{(i)}{\Vert }_2^2$ 。对此式进行推理，可得：
$$\begin{gathered} \sum _{i=1}^m\Vert {\hat{x}}^{(i)}-x^{(i)}{\Vert }_2^2=\sum _{i=1}^m\Vert W{z}^{(i)}-x^{(i)}{\Vert }_2^2 \\ =\sum _{i=1}^m{\left(W{z}^{(i)}\right)}^T\left(W{z}^{(i)}\right)-2\sum _{i=1}^m{\left(W{z}^{(i)}\right)}^T{x}^{(i)}+\sum _{i=1}^m{\left(x^{(i)}\right)}^T{x}^{(i)} \\ =\sum _{i=1}^m{\left(z^{(i)}\right)}^T\left(z^{(i)}\right)-2\sum _{i=1}^m{\left(z^{(i)}\right)}^T{x}^{(i)}+\sum _{i=1}^m{\left(x^{(i)}\right)}^T{x}^{(i)} \\ =-\sum _{i=1}^m{\left(z^{(i)}\right)}^T\left(z^{(i)}\right)+\sum _{i=1}^m{\left(x^{(i)}\right)}^T{x}^{(i)} \\ =-tr\left(W^T\left(\sum _{i=1}^m{x}^{(i)}{\left(x^{(i)}\right)}^T\right)W\right)+\sum _{i=1}^m{\left(x^{(i)}\right)}^T{x}^{(i)} \\ =-tr\left(W^{T}X{X}^{T}W\right)+\sum _{i=1}^m{\left(x^{(i)}\right)}^T{x}^{(i)} \end{gathered}$$
​ 在推导过程中，分别用到了 ${\overline{x}}^{(i)}=W{z}^{(i)}$ ，矩阵转置公式 $(AB{)}^T=B^T{A}^T$，$W^{T}W=I$，$z^{(i)}=W^T{x}^{(i)}$ 以及矩阵的迹，最后两步是将代数和转为矩阵形式。
​ 由于 $W$ 的每一个向量 $w_j$ 是标准正交基，${\sum }_{i=1}^m{x}^{(i)}{\left(x^{(i)}\right)}^T$ 是数据集的协方差矩阵，${\sum }_{i=1}^m{\left(x^{(i)}\right)}^T{x}^{(i)}$ 是一个常量。最小化 ${\sum }_{i=1}^m\Vert {\hat{x}}^{(i)}-x^{(i)}{\Vert }_2^2$ 又可等价于
$$\underset{W}{\underbrace{\arg \min }}-tr\left(W^{T}X{X}^{T}W\right)s.t.W^{T}W=I$$
利用拉格朗日函数可得到
$$J(W)=-tr(W^{T}X{X}^{T}W)+\lambda (W^{T}W-I)$$
​ 对 $W$ 求导，可得 $-X{X}^{T}W+\lambda W=0$ ，也即 $X{X}^{T}W=\lambda W$ 。 $X{X}^T$ 是 $n^{\prime }$ 个特征向量组成的矩阵，$\lambda$ 为$X{X}^T$ 的特征值。$W$ 即为我们想要的矩阵。
​ 对于原始数据，只需要 $z^{(i)}=W^T{X}^{(i)}$ ，就可把原始数据集降维到最小投影距离的 $n^{\prime }$ 维数据集。

2.3 基于最大投影方差的PCA推导

​ 假设数据集是m个n维，$(x^{(1)},x^{(2)},...,x^{(m)})$，且数据进行了中心化（零均值化，即$\sum _{i=1}^m{x}^i=0$）。经过投影变换得到新坐标为 $w_1,w_2,...,w_n$，其中 $w$ 是标准正交基，即 $\Vert w{\Vert }_2=1$，$w_i^T{w}_j=0$。

​ 经过降维后，新坐标为 { w 1 , w 2 , . . . , w n } \{ w_1,w_2,...,w_n \} {w1​,w2​,...,wn​}，其中 $n^{\prime }$ 是降维后的目标维数。样本点 $x^{(i)}$ 在新坐标系下的投影为 $z^{(i)}=\left(z_1^{(i)},z_2^{(i)},...,z_{n^{\prime }}^{(i)}\right)$，其中 $z_j^{(i)}=w_j^T{x}^{(i)}$ 是 $x^{(i)}$ 在低维坐标系里第 j 维的坐标。

​ 对于任意一个样本$x(i)$，在新的坐标系中的投影为$W^T{x}^{(i)}$,在新坐标系中的投影方差为$x^{(i)T}W{W}^T{x}^{(i)}$，要使所有的样本的投影方差和最大，也就是最大化$\sum _{i=1}^m{W}^T{x}^{(i)}{x}^{(i)T}W$的迹,即：
$$\underset{w}{\underbrace{\arg \max }}tr\left(W^{T}X{X}^{T}W\right)s.t.W^{T}W=I$$
​ 对比最小投影距离的优化方程，可以发现都是一样的，一个是负号的最小化，一个是正的最大化，所以计算过程是一样的，不再计算。

三、PCA算法流程

输入：$n$ 维样本集 $D=\left(x^{(1)},x^{(2)},...,x^{(m)}\right)$ ，目标降维的维数 $n^{\prime }$ 。

输出：降维后的新样本集 $D^{\prime }=\left(z^{(1)},z^{(2)},...,z^{(m)}\right)$ 。

主要步骤如下：

1. 对所有的样本进行中心化，$x^{(i)}=x^{(i)}-\frac{1}{m}{\sum }_{j=1}^m{x}^{(j)}$ 。
2. 计算样本的协方差矩阵 $X{X}^T$ 。
3. 对协方差矩阵 $X{X}^T$ 进行特征值分解。
4. 取出最大的 $n’ $ 个特征值对应的特征向量 { w 1 , w 2 , . . . , w n ′ } \{ w_1,w_2,...,w_{n'} \} {w1​,w2​,...,wn′​} 。
5. 标准化特征向量，得到特征向量矩阵 $W$ 。
6. 转化样本集中的每个样本 $z^{(i)}=W^T{x}^{(i)}$ 。
7. 得到输出矩阵 $D^{\prime }=\left(z^{(1)},z^{(2)},...,z^{(n)}\right)$ 。
   注：在降维时，有时不明确目标维数，而是指定降维到的主成分比重阈值 $k(kϵ(0,1])$ 。假设 $n$ 个特征值为 ${\lambda }_1⩾{\lambda }_2⩾...⩾{\lambda }_n$ ，则 $n^{\prime }$ 可从 ${\sum }_{i=1}^{n^{\prime }}{\lambda }_i⩾k\times {\sum }_{i=1}^n{\lambda }_i$ 得到。

四、手撕PCA代码

'''
手写PCA降维算法
'''

import numpy as np

def PCA(X,n):
    X_mean = np.mean(X,axis=1)
    X = X - X_mean.reshape(-1,1)
    # 求协方差矩阵
    cov_mat = np.dot(X,X.T)
    # 将协方差进行特征值分解 第一个返回值是特征值矩阵，第二个返回值是特征向量矩阵
    values,vectors = np.linalg.eig(cov_mat)
    # 按特征值将特征向量进行排序
    # 拼接一个特征值和特征向量一起的矩阵
    eig_mat = [(np.abs(values[i]),vectors[:,i]) for i in range(len(X))]
    # 排序
    eig_mat.sort(reverse=True)
    # 拼接WT矩阵 降维后的权重矩阵，只保留要保留的列
    WT = np.array([_[1] for _ in eig_mat[:n]])
    # 对X进行转换，降维
    return np.dot(WT,X)

# 数据生成 直接转置，因为协方差矩阵A = (X - X.mean).T
#(2.5,2.4), (0.5,0.7), (2.2,2.9), (1.9,2.2), (3.1,3.0), (2.3, 2.7), (2, 1.6), (1, 1.1), (1.5, 1.6), (1.1, 0.9)
X = np.transpose(np.array([[2.5,2.4], [0.5,0.7], [2.2,2.9], [1.9,2.2], [3.1,3.0], [2.3, 2.7],[2, 1.6],[1, 1.1],[1.5, 1.6],[1.1, 0.9]]))
# 降至的维度
n = 1

if __name__ == "__main__":
    X = PCA(X,n)
    print(X)

五、PCA算法主要优缺点

优缺点	简要说明
优点	1. 仅仅需要以方差衡量信息量，不受数据集以外的因素影响。　2.各主成分之间正交，可消除原始数据成分间的相互影响的因素。3. 计算方法简单，主要运算是特征值分解，易于实现。
缺点	1.主成分各个特征维度的含义具有一定的模糊性，不如原始样本特征的解释性强。2. 方差小的非主成分也可能含有对样本差异的重要信息，因降维丢弃可能对后续数据处理有影响。