数据学习(10)·最大期望算法·因子分析模型(下)

作者课堂笔记摘录，有问题请联系 humminwang@163.com

1 因子分析（Factor Analysis）

内容参考 http://blog.csdn.net/stdcoutzyx/article/details/37559995
高斯混合模型，当训练数据样本数目小于样本维度的时候，因为协方差矩阵的非奇异性，导致不能得到概率密度函数问题，对于其他模型来说，样本数小于样本维度，也容易引发过拟合的问题。
解决办法：加强模型假设，比如对协方差矩阵的限制。第二个就是降低模型的复杂度，提出一个更少参数模型，如因子分析。
限制协方差矩阵的方法：比如假设协方差矩阵为对角矩阵，更强的假设是协方差矩阵为对角且对角线上的值都相等。当需要估计完整协方差矩阵时，样本数目必须大于样本维度，但是当有对角假设时，样本数目大于1就可以估算出限制的协方差矩阵。

高斯分布矩阵表示：

设有三个变量$x_1\in R^r,x_2\in R^s,x\in R^{r+s}$.
$$x=\left[\begin{array}{c}{x}_1\\ x_2\end{array}\right]$$
假设$x\sim \mathbb{N}(\mu ,\Sigma )$,所以:
$$\mu =\left[\begin{array}{c}{\mu }_1\\ {\mu }_2\end{array}\right],\Sigma =\left[\begin{array}{cc}{\Sigma }_{11}& {\Sigma }_{12}\\ {\Sigma }_{21}& {\Sigma }_{22}\end{array}\right]$$
其中$x_1$的边际分布可以得到：
$$E[x_1]={\mu }_1,Cov(x_1)=E[(x_1-{\mu }_1)(x_1-{\mu }_1{)}^T]={\Sigma }_{11}$$
所以对x我们可以得到：
$$Cov(x)=\Sigma =\left[\begin{array}{cc}{\Sigma }_{11}& {\Sigma }_{12}\\ {\Sigma }_{21}& {\Sigma }_{22}\end{array}\right]=E[(x-\mu )(x-\mu {)}^T]$$
$$...=E[\left[\begin{array}{c}{x}_1-{\mu }_1\\ x_2-{\mu }_2\end{array}\right]{\left[\begin{array}{c}{x}_1-{\mu }_1\\ x_2-{\mu }_2\end{array}\right]}^T]=E\left[\begin{array}{cc}(x_1-{\mu }_1)(x_1-{\mu }_1{)}^T& (x_1-{\mu }_1)(x_2-{\mu }_2{)}^T\\ (x_2-{\mu }_2)(x_1-{\mu }_1{)}^T& (x_2-{\mu }_2)(x_2-{\mu }_2{)}^T\end{array}\right]$$
在给定$X_2$时$x_1$的概率是：
$$p(x_1|x_2)=\frac{p(x_1,x_2)}{p(x_2)}=\frac{p(x)}{p(x_2)}$$
$$x_1|x_2\sim \mathbb{N}({\mu }_{1|2},{\Sigma }_{1|2})$$
$${\mu }_{1|2}={\mu }_1+{\Sigma }_{12}{\Sigma }_{22}^{-1}(x_2-{\mu }_2)$$
$${\Sigma }_{1|2}={\Sigma }_{11}-{\Sigma }_{12}{\Sigma }_{22}^{-1}{\Sigma }_{21}$$

---

因子分析模型

因子分析模型的定义如下：
假设隐变量$z\sim N(0,I),z\sim R^d,(d<n)$.再假设训练样本$x$由隐含变量$z$生成，即$x=\mu +\Lambda z+\epsilon$. 其中$\epsilon \sim N(0,\Psi )$. $z$已知的时候，上式$x$的产生分布$$x|z\sim N(\mu +\Lambda z,\Psi )$$
其中$\Psi$是对角矩阵。
因子分析模型可以从训练数据的生成过程来理解：

• <1> 在一个低维空间内用均值为0，协方差为单位矩阵的多元高斯分布生成m个隐变量$z^{(i)}$，$z^{(i)}$是d维向量，m是样本数目。
• <2> 然后使用变换矩阵$\Lambda$将$z$映射到n维空间$\Lambda z$。此时因子$z$的均值为0，映射后的均值仍然是$0$.
• <3> 再将n维向量$\Lambda z$加上一个均值$\mu$，对应的意义是将变换后的$z$的均值在n维空间上平移。
• <4> 由于真实的样例x会有误差，因此在此变换的基础上再加上误差$\epsilon \sim N(0,\Psi )$.

因子分析模型推导

模型：
$$z\sim N(0,I)$$
$$\epsilon \sim N(0,\Psi )$$
$$x=\mu +\Lambda z+\epsilon$$
其中$\epsilon ,z$互相独立。
使用高斯分布矩阵表示法对模型进行分析，方法认为$z,x$符合多元高斯分布，即:
$$\left[\begin{array}{c}z\\ x\end{array}\right]\sim N({\mu }_{zx},\Sigma )$$
求解${\mu }_{zx},\Sigma$.
求解$\Sigma$需要计算${\Sigma }_{zz},{\Sigma }_{zx},{\Sigma }_{xz},{\Sigma }_{xx}$
$${\Sigma }_{zz}=E[(z-E[z])(z-E[z]{)}^T]$$
有定义可知${\Sigma }_{zz}=Cov(z)=I$,$z$和$\epsilon$独立。
$${\Sigma }_{zx}={\Sigma }_{xz}=E[(z-E[z])(x-E[x]{)}^T]=E[z(\mu +\Lambda z+\epsilon -\mu {)}^T]=E[z{z}^T]{\Lambda }^T+E[z{\epsilon }^T]={\Lambda }^T$$
$${\Sigma }_{xx}=E[(x-E[x])(x-E[x]{)}^T]=E[(\Lambda z+\epsilon )(\Lambda z+\epsilon {)}^T]=E[\Lambda z{z}^T{\Lambda }^T+\epsilon z^T{\Lambda }^T+\Lambda z{\epsilon }^T+\epsilon {\epsilon }^T]=\Lambda E[z{z}^T]{\Lambda }^T+E[\epsilon {\epsilon }^T]=\Lambda {\Lambda }^T+\Psi$$
得：
$$\left[\begin{array}{c}z\\ x\end{array}\right]\sim N(\left[\begin{array}{c}0\\ \mu \end{array}\right],\left[\begin{array}{cc}I& {\Lambda }^T\\ \Lambda & \Lambda {\Lambda }^T+\Psi \end{array}\right])$$
所以我们得到$x$的边际分布为:
$$x\sim N(\mu ,\Lambda {\Lambda }^T+\Psi )$$
对于一个训练集， { x ( 1 ) , . . . . , x ( m ) } \{x^{(1)},....,x^{(m)}\} {x(1),....,x(m)},可以得出似然函数，但是用最大化似然函数的方法求参数很复杂，因为含有隐变量，因此我们用EM算法。

EM算法求解因子分析模型

$E-Step:Q_i(z^{(i)}|x^{(i)};\mu ,\Lambda ,\Psi )$
通过之前的高斯分布矩阵写法，我们可以计算条件分布概率期望和方差。
$${\mu }_{z^{(i)}|x^{(i)}}={\Lambda }^T(\Lambda {\Lambda }^T+\Psi {)}^{-1}(x^{(i)}-\mu )$$
$${\Sigma }_{z^{(i)}|x^{(i)}}=I-{\Lambda }^T(\Lambda {\Lambda }^T+\Psi {)}^{-1}\Lambda$$
带入公式 就可得到$Q_i(z^{(i)}|x^{(i)})$的概率密度函数，即：
$$Q_i(z^{(i)}|x^{(i)})=\frac{1}{(2\pi {)}^{n/2}|{\Sigma }_{z^{(i)}|x^{(i)}}{|}^{1/2}}exp(-\frac{1}{2}(x^{(i)}-{\mu }_{z^{(i)}|x^{(i)}}){\Sigma }_{z^{(i)}|x^{(i)}}^{-1}(x^{(i)}-{\mu }_{z^{(i)}|x^{(i)}}{)}^T)$$
$M-Step:$最大化下列公式来求取参数$\mu ,\Lambda ,\Psi$.
$$\sum _{i=1}^m\int Q_i(z^{(i)})log\frac{p(z^{(i)},x^{(i)};\mu ,\Lambda ,\Psi )}{Q_i(z^{(i)})}d{z}^{(i)}$$
$$=\sum _{i=1}^m\int Q_i(z^{(i)})[logp(x^{(i)}|z^{(i)};\mu ,\Lambda ,\Psi )+logp(z^{(i)})-log{Q}_i(z^{(i)})]d{z}^{(i)}$$
$$=\sum _{i=1}^m{E}_{z^{(i)}\sim Q_i}[logp(x^{(i)}|z^{(i)};\mu ,\Lambda ,\Psi )+logp(z^{(i)})-log{Q}_i(z^{(i)})]$$
上面公式中第一步先利用条件概率，将log函数分解开。第二步将积分转变为求z服从Q分布的时候，函数$logp(x^{(i)}|z^{(i)};\mu ,\Lambda ,\Psi )+logp(z^{(i)})-log{Q}_i(z^{(i)})$的期望。
对$\Lambda$求解：
$${▽}_{\Lambda }\sum _{i=1}^{m}E[logp(x^{(i)}|z^{(i)};\mu ,\Lambda ,\Psi )+logp(z^{(i)})-log{Q}_i(z^{(i)})]$$
$$={▽}_{\Lambda }\sum _{i=1}^{m}E[logp(x^{(i)}|z^{(i)};\mu ,\Lambda ,\Psi )]$$
去除与参数$\Lambda$无关的项。
$${▽}_{\Lambda }\sum _{i=1}^{m}E[log(\frac{1}{(2\pi {)}^{n/2}|\Psi {|}^{1/2}}exp(-\frac{1}{2}(x^{(i)}-\mu -\Lambda z^{(i)}){\Psi }^{-1}(x^{(i)}-\mu -\Lambda z^{(i)}{)}^T)]$$
期望为$\mu +\Lambda z^{(i)}$,方差为$\Psi$.
$$={▽}_{\Lambda }\sum _{i=1}^{m}E[-\frac{1}{2}log|\Psi |-\frac{n}{2}log(2\pi )-\frac{1}{2}(x^{(i)}-\mu -\Lambda z^{(i)}){\Psi }^{-1}(x^{(i)}-\mu -\Lambda z^{(i)}{)}^T]$$
$$={▽}_{\Lambda }\sum _{i=1}^m-E[\frac{1}{2}(x^{(i)}-\mu -\Lambda z^{(i)}){\Psi }^{-1}(x^{(i)}-\mu -\Lambda z^{(i)}{)}^T]$$
$$=\sum _{i=1}^m{▽}_{\Lambda }E[-tr(\frac{1}{2}{z^{(i)}}^T{\Lambda }^T{\Psi }^{-1}\Lambda z^{(i)})+tr({z^{(i)}}^T{\Lambda }^T{\Psi }^{-1}(x^{(i)}-\mu ))]$$
利用矩阵迹的性质$tr(a)=a$.
$$=\sum _{i=1}^m{▽}_{\Lambda }E[-tr(\frac{1}{2}{\Lambda }^T{\Psi }^{-1}\Lambda z^{(i)}{z^{(i)}}^T)+tr({\Lambda }^T{\Psi }^{-1}(x^{(i)}-\mu ){z^{(i)}}^T)]$$
利用矩阵迹的性质$tr(AB)=BA$.
$$=\sum _{i=1}^m({▽}_{\Lambda }E[-tr(\frac{1}{2}{\Lambda }^T{\Psi }^{-1}\Lambda z^{(i)}{z^{(i)}}^T)]+{▽}_{\Lambda }E[tr({\Lambda }^T{\Psi }^{-1}(x^{(i)}-\mu ){z^{(i)}}^T)])$$
$$=\sum _{i=1}^m(E[-{▽}_{\Lambda }tr(\frac{1}{2}{\Lambda }^T{\Psi }^{-1}\Lambda z^{(i)}{z^{(i)}}^T)]+E[{▽}_{\Lambda }tr({\Lambda }^T{\Psi }^{-1}(x^{(i)}-\mu ){z^{(i)}}^T)])$$
求导与期望交换位置。
$$=\sum _{i=1}^m(E[-{▽}_{\Lambda }^{T}tr(\frac{1}{2}{\Lambda }^T{\Psi }^{-1}\Lambda z^{(i)}{z^{(i)}}^T{)}^T]+E[{▽}_{\Lambda }^{T}tr({\Lambda }^T{\Psi }^{-1}(x^{(i)}-\mu ){z^{(i)}}^T{)}^T])$$
利用矩阵迹的性质${▽}_{\Lambda }^{T}f(A)=({▽}_{\Lambda }f(A{)}^T)$.
$$=\sum _{i=1}^m(E[-\frac{1}{2}(2z^{(i)}{z^{(i)}}^T{\Lambda }^T{\Psi }^{-1}{)}^T]+E[(({\Psi }^{-1}(x^{(i)}-\mu ){z^{(i)}}^T{)}^T{)}^T])$$
第一项利用矩阵${▽}_{\Lambda }tr(AB{A}^{T}C)=CAB+C^{T}A{B}^T$
第二项利用${▽}_{\Lambda }tr(AB)=B^T$
$$=\sum _{i=1}^m(E[-{\Psi }^{-1}\Lambda z^{(i)}{z^{(i)}}^T]+E[{\Psi }^{-1}(x^{(i)}-\mu ){z^{(i)}}^T])$$
$$\sum _{i=1}^m(E[-{\Psi }^{-1}\Lambda z^{(i)}{z^{(i)}}^T+{\Psi }^{-1}(x^{(i)}-\mu ){z^{(i)}}^T])$$
打开期望。将最后结果设为0，化简。
$$\sum _{i=1}^m\Lambda E_{z^{(i)}\sim Q_i}[z^{(i)}{z^{(i)}}^T]=\sum _{i=1}^m(x^{(i)}-\mu )E_{z^{(i)}\sim Q_i}[{z^{(i)}}^T]$$
$$\Lambda =(\sum _{i=1}^m(x^{(i)}-\mu )E_{z^{(i)}\sim Q_i}[{z^{(i)}}^T])(\sum _{i=1}^m{E}_{z^{(i)}\sim Q_i}[z^{(i)}{z^{(i)}}^T]{)}^{-1}$$
$$E_{z^{(i)}\sim Q_i}[{z^{(i)}}^T]={\mu }_{z^{(i)}|x^{(i)}}^T$$
$$E_{z^{(i)}\sim Q_i}[z^{(i)}{z^{(i)}}^T]={\mu }_{z^{(i)}|x^{(i)}}{\mu }_{z^{(i)}|x^{(i)}}^T+{\Sigma }_{z^{(i)}|x^{(i)}}$$
使用性质$Cov(X)=E[X{X}^T]-E[X]E[X^T]$.
最后$$\Lambda =(\sum _{i=1}^m(x^{(i)}-\mu ){\mu }_{z^{(i)}|x^{(i)}}^T)(\sum _{i=1}^m{\mu }_{z^{(i)}|x^{(i)}}{\mu }_{z^{(i)}|x^{(i)}}^T+{\Sigma }_{z^{(i)}|x^{(i)}}{)}^{-1}$$
对$\mu$和$\Psi$,同理求解。
$$\mu =\frac{1}{m}\sum _{i=1}^m{x}^{(i)}$$
$$\Psi =\frac{1}{m}\sum _{i=1}^m{x}^{(i)}{x^{(i)}}^T-x^{(i)}{\mu }_{z^{(i)}|x^{(i)}}^T{\Lambda }^T-\Lambda {\mu }_{z^{(i)}|x^{(i)}}{x^{(i)}}^T+\Lambda ({\mu }_{z^{(i)}|x^{(i)}}{\mu }_{z^{(i)}|x^{(i)}}^T+{\Sigma }_{z^{(i)}|x^{(i)}}){\Lambda }^T$$
取对角线上的元素即可。