行列式点过程（一）

行列式点过程DPP是离散有限点集 Y = { 1 , 2 , . . . N } \mathcal{Y}=\{1,2,...N\} Y={1,2,...N}的幂集$2^{\mathcal{Y}}$上的概率分布。

体积与格拉姆矩阵

$$L_{ij}=\vec{g}(i)\vec{g}(j),i,j\in Y$$

$$det(L_Y)=det(\vec{g}(i)\vec{g}(j):i,j\in Y)$$

左侧行列式的值可以理解为向量$\vec{g}(i):i\in Y$ 构成的平行六面体的体积。

符号${\vec{e}}_i$表示第i维度的单位向量，例如${\vec{e}}_2=(0,1,0,0,0)$，假设$1\in Y$了，则有：

V o l ( g ⃗ ( i ) : i ∈ Y ) = ∣ ∣ g ⃗ ( 1 ) ∣ ∣ 2 V o l ( P r o j ⊥ g ⃗ ( i ) e ⃗ 1 : i ∈ Y − { 1 } ) Vol(\vec{g}(i):i \in Y)=||\vec{g}(1)||_2Vol(Proj_{\perp \vec{g}(i)\vec{e}_1}:i\in Y -\{1\}) Vol(g ​(i):i∈Y)=∣∣g ​(1)∣∣2​Vol(Proj⊥g ​(i)e 1​​:i∈Y−{1})

以上公式等价于通过舒尔补方式计算行列式。

边际核

$Y$是根据根据DPP概率分布从$2^{\mathcal{Y}}$中采样得到的一个子集，则：

$$p(Y=A|L)=\frac{det(L_A)}{det(L+I)}$$

$$p(Y\supseteq A|K)=det(K_A)$$

$$p(Y\supseteq A|K)=\sum _{B\supseteq A}P(Y=B|L)$$

给定L-ensemble核L，推导出对应的边际核K。

推导过程：

$$p(Y\supseteq A|L)=\sum _{B\supseteq A}p(Y=B|L)$$

$$=\sum _{B\supseteq A}\frac{det(L_B)}{det(L+I)}$$

$$=\frac{det(L+I_{\overline{A}})}{det(L+I)}$$

$$=det((L+I_{\overline{A}})(L+I{)}^{-1})$$

$$=det(I_{\overline{A}}(L+I{)}^{-1}+L(L+I{)}^{-1})$$

$$=det(I_{\overline{A}}(L+I{)}^{-1}+I-(L+I{)}^{-1})$$

$$=det(I_{\overline{A}}+I_A(I-(L+I{)}^{-1}))$$

$$=det(I_{\overline{A}}+(I-(L+I{)}^{-1}{)}_A)$$

$$=det((I-(L+I{)}^{-1}{)}_A)$$

得出：

$$K=I-(L+I{)}^{-1}$$

$$p(Y\supseteq A|L)=det(K)$$

四类表示方法

• L-ensemble核 L：半正定方阵
• 边际核K：半正定方阵，所有特征值$\le 1$
• 格拉姆矩阵：$L=B{B}^T$，$B$为$N\times D$矩阵，D为特征维度；对偶形式$C=B^{T}B\in R^{D\times D}$
• 质量多样性分解：$B=Q\varphi$，$Q$为对角矩阵，$\varphi$的行向量为单位向量