奇异值分解(SVD)原理小结

原文链接
  奇异值分解(Singular Value Decomposition，以下简称SVD)是在机器学习领域广泛应用的算法，它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。本文就对SVD的原理做一个总结，并讨论在在PCA降维算法中是如何运用运用SVD的。

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：
$$Ax=\lambda x$$
  其中$A$是一个$n\times n$的矩阵，$x$是一个$n$维向量，则我们说$\lambda$是矩阵A的一个特征值，而$x$是矩阵$A$的特征值$\lambda$所对应的特征向量。
  求出特征值和特征向量有什么好处呢？ 就是我们可以将矩阵A特征分解。如果我们求出了矩阵$A$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 } \{w_1,w_2,...w_n\} {w1​,w2​,...wn​}，，如果这n个特征向量线性无关，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$W$是这$n$个特征向量所张成的$n\times n$维矩阵，而$\Sigma$为这$n$个特征值为主对角线的$n\times n$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$w^{T_i}{w}_i=1$，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表达式可以写成:
$$A=W\Sigma W^T$$

  注意到要进行特征分解，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，我们还可以对矩阵进行分解吗？答案是可以，此时我们的SVD登场了。

2、SVD的定义

  SVD也是对矩阵进行分解，但是和特征分解不同，SVD并不要求要分解的矩阵为方阵。假设我们的矩阵$A$是一个$m\times n$的矩阵，那么我们定义矩阵$A$的SVD为：
$$A=U\Sigma V^T$$
  其中$U$是一个$m\times m$的矩阵，$\Sigma$是一个$m\times n$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，$V$是一个$n\times n$的矩阵。$U$和$V$都是酉矩阵，即满足$U^{T}U=I,V^{T}V=I$。下图可以很形象的看出上面SVD的定义：

  那么我们如何求出SVD分解后的$U,\Sigma ,V$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$n\times n$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$v$了。将$A^{T}A$的所有特征向量张成一个$n\times n$的矩阵$V$，就是我们SVD公式里面的$V$矩阵了。一般我们将V中的每个特征向量叫做$A$的右奇异向量。

  如果我们将$A$和$A$的转置做矩阵乘法，那么会得到$m\times m$的一个方阵$A{A}^T$。既然$A{A}^T$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$u$了。将$A{A}^T$的所有特征向量张成一个$m\times m$的矩阵$U$，就是我们SVD公式里面的$U$矩阵了。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$V$我们都求出来了，现在就剩下奇异值矩阵$\Sigma$没有求出了。由于$\Sigma$除了对角线上是奇异值其他位置都是0，那我们只需要求出每个奇异值$\sigma$就可以了。

  我们注意到:
$$\begin{array}{rl}A=U\Sigma V^T& \Rightarrow AV=U\Sigma V^{T}V\\ & \Rightarrow AV=U\Sigma \\ & \Rightarrow A{v}_i={\sigma }_i{u}_i\\ & \Rightarrow {\sigma }_i=\frac{A{v}_i}{u_i}\end{array}$$

   这样我们可以求出我们的每个奇异值，进而求出奇异值矩阵$\Sigma$。

  上面还有一个问题没有讲，就是我们说$A^{T}A$的特征向量组成的就是我们SVD中的$V$矩阵，而$A{A}^T$的特征向量组成的就是我们SVD中的$U$矩阵，这有什么根据吗？这个其实很容易证明，我们以$V$矩阵的证明为例。
$$\begin{array}{rl}A=U\Sigma V^T& \Rightarrow A^T=V{\Sigma }^T{U}^T\\ & \Rightarrow A^{T}A=V{\Sigma }^T{U}^{T}U\Sigma V^T=V{\Sigma }^2{V}^T\end{array}$$
  上式证明使用了:$U^{T}U=I,{\Sigma }^T\Sigma ={\Sigma }^2$。可以看出$A^{T}A$的特征向量组成的的确就是我们SVD中的$V$矩阵。类似的方法可以得到$A{A}^T$的特征向量组成的就是我们SVD中的$U$矩阵。

  进一步我们还可以看出我们的特征值矩阵等于奇异值矩阵的平方，也就是说特征值和奇异值满足如下关系：
$${\sigma }_i=\sqrt{{\lambda }_i}$$
\qquad 这样也就是说，我们可以不用${\sigma }_i=\frac{A{v}_i}{u_i}$来计算奇异值，也可以通过求出$A^{T}A$的特征值取平方根来求奇异值。

3、SVD计算举例

\qquad 这里我们用一个简单的例子来说明矩阵是如何进行奇异值分解的。我们的矩阵$A$定义为：
$$A=\left(\begin{array}{cc}0& 1\\ 1& 1\\ 1& 0\end{array}\right)$$
\qquad 我们首先求出$A^{T}A$和$A{A}^T$
$$A^{T}A=\left(\begin{array}{ccc}0& 1& 1\\ 1& 1& 0\end{array}\right)\left(\begin{array}{cc}0& 1\\ 1& 1\\ 1& 0\end{array}\right)=\left(\begin{array}{cc}2& 1\\ 1& 2\end{array}\right)$$
$$A{A}^T=\left(\begin{array}{cc}0& 1\\ 1& 1\\ 1& 0\end{array}\right)\left(\begin{array}{ccc}0& 1& 1\\ 1& 1& 0\end{array}\right)=\left(\begin{array}{ccc}1& 1& 0\\ 1& 2& 1\\ 0& 1& 1\end{array}\right)$$
\qquad 进而求出$A^{T}A$的特征值和特征向量：
$${\lambda }_1=3;v_1=\left(\begin{array}{c}\frac{1}{\sqrt{2}}\\ \frac{1}{\sqrt{2}}\end{array}\right);{\lambda }_2=1;v_2=\left(\begin{array}{c}-\frac{1}{\sqrt{2}}\\ \frac{1}{\sqrt{2}}\end{array}\right)$$
\qquad 接着求$A{A}^T$的特征值和特征向量：
$${\lambda }_1=3;u_i=\left(\begin{array}{c}\frac{1}{\sqrt{6}}\\ \frac{2}{\sqrt{6}}\\ \frac{1}{\sqrt{6}}\end{array}\right);{\lambda }_2=1;u_2=\left(\begin{array}{c}\frac{1}{\sqrt{2}}\\ 0\\ -\frac{1}{\sqrt{2}}\end{array}\right);{\lambda }_3=0;u_3=\left(\begin{array}{c}\frac{1}{\sqrt{3}}\\ -\frac{1}{\sqrt{3}}\\ \frac{1}{\sqrt{3}}\end{array}\right)$$
\qquad 利用$A{v}_i={\sigma }_i{u}_i,i=1,2$求奇异值：
$$\left(\begin{array}{cc}0& 1\\ 1& 1\\ 1& 0\end{array}\right)\left(\begin{array}{c}\frac{1}{\sqrt{2}}\\ \frac{1}{\sqrt{2}}\end{array}\right)={\sigma }_1\left(\begin{array}{c}\frac{1}{\sqrt{6}}\\ \frac{2}{\sqrt{6}}\\ \frac{1}{\sqrt{6}}\end{array}\right)\Rightarrow {\sigma }_i=\sqrt{3}$$
$$\left(\begin{array}{cc}0& 1\\ 1& 1\\ 1& 0\end{array}\right)\left(\begin{array}{c}-\frac{1}{\sqrt{2}}\\ \frac{1}{\sqrt{2}}\end{array}\right)={\sigma }_2\left(\begin{array}{c}\frac{1}{\sqrt{2}}\\ 0\\ -\frac{1}{\sqrt{2}}\end{array}\right)\Rightarrow \sigma =1$$
\qquad 当然，我们也可以用${\sigma }_i=\sqrt{{\lambda }_i}$直接求出奇异值为$\sqrt{3}$和1.
\qquad 最终得到$A$的奇异值分解为：
$$A=U\Sigma V^T=\left(\begin{array}{ccc}\frac{1}{\sqrt{6}}& \frac{1}{\sqrt{2}}& \frac{1}{\sqrt{3}}\\ \frac{2}{\sqrt{6}}& 0& -\frac{1}{\sqrt{3}}\\ \frac{1}{\sqrt{6}}& -\frac{1}{\sqrt{2}}& \frac{1}{\sqrt{3}}\end{array}\right)\left(\begin{array}{cc}\sqrt{3}& 0\\ 0& 1\\ 0& 0\end{array}\right)\left(\begin{array}{cc}\frac{1}{\sqrt{2}}& \frac{1}{\sqrt{2}}\\ -\frac{1}{\sqrt{2}}& \frac{1}{\sqrt{2}}\end{array}\right)$$

4、SVD的一些性质

\qquad 上面几节我们对SVD的定义和计算做了详细的描述，似乎看不出我们费这么大的力气做SVD有什么好处。那么SVD有什么重要的性质值得我们注意呢？

\qquad 对于奇异值,它跟我们特征分解中的特征值类似，在奇异值矩阵中也是按照从大到小排列，而且奇异值的减少特别的快，在很多情况下，前10%甚至1%的奇异值的和就占了全部的奇异值之和的99%以上的比例。也就是说，我们也可以用最大的k个的奇异值和对应的左右奇异向量来近似描述矩阵。也就是说：
$$A_{m\times n}=U_{m\times m}{\Sigma }_{m\times n}{V}_{n\times n}^T\approx U_{m\times k}{\Sigma }_{k\times k}{V}_{k\times n}^T$$
\qquad 其中$k$要比$n$小很多，也就是一个大的矩阵$A$可以用三个小的矩阵$U_{m\times k},{\Sigma }_{k\times k},V_{k\times n}^T$来表示。如下图所示，现在我们的矩阵$A$只需要灰色的部分的三个小矩阵就可以近似描述了。

\qquad 由于这个重要的性质，SVD可以用于PCA降维，来做数据压缩和去噪。也可以用于推荐算法，将用户和喜好对应的矩阵做特征分解，进而得到隐含的用户需求来做推荐。同时也可以用于NLP中的算法，比如潜在语义索引（LSI）。下面我们就对SVD用于PCA降维做一个介绍。

5、SVD用于PCA

\qquad 在主成分分析（PCA）原理总结中，我们讲到要用PCA降维，需要找到样本协方差矩阵$X^{T}X$的最大的$d$个特征向量，然后用这最大的$d$个特征向量张成的矩阵来做低维投影降维。可以看出，在这个过程中需要先求出协方差矩阵$X^{T}X$，当样本数多样本特征数也多的时候，这个计算量是很大的。

\qquad 注意到我们的SVD也可以得到协方差矩阵$X^{T}X$最大的$d$个特征向量张成的矩阵，但是SVD有个好处，有一些SVD的实现算法可以不求先求出协方差矩阵$X^{T}X$，也能求出我们的右奇异矩阵$V$。也就是说，我们的PCA算法可以不用做特征分解，而是做SVD来完成。这个方法在样本量很大的时候很有效。实际上，scikit-learn的PCA算法的背后真正的实现就是用的SVD，而不是我们我们认为的暴力特征分解。

\qquad 另一方面，注意到PCA仅仅使用了我们SVD的右奇异矩阵，没有使用左奇异矩阵，那么左奇异矩阵有什么用呢？

\qquad 假设我们的样本是$m\times n$的矩阵$X$，如果我们通过SVD找到了矩阵$X{X}^T$最大的$d$个特征向量张成的$m\times d$维矩阵$U$，则我们如果进行如下处理：
$$X_{d\times n}^{\prime }=U_{d\times m}^T{X}_{m\times n}$$
\qquad 可以得到一个$d\times n$的矩阵$X^{\prime }$,这个矩阵和我们原来的$m\times n$维样本矩阵$X$相比，行数从$m$减到了$k$，可见对行数进行了压缩。也就是说，左奇异矩阵可以用于行数的压缩。相对的，右奇异矩阵可以用于列数即特征维度的压缩，也就是我们的PCA降维。

6、SVD小结

\qquad SVD作为一个很基本的算法，在很多机器学习算法中都有它的身影，特别是在现在的大数据时代，由于SVD可以实现并行化，因此更是大展身手。SVD的原理不难，只要有基本的线性代数知识就可以理解，实现也很简单因此值得仔细的研究。当然，SVD的缺点是分解出的矩阵解释性往往不强，有点黑盒子的味道，不过这不影响它的使用。