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:
A
x
=
λ
x
Ax=\lambda x
Ax=λx
其中A是一个
n
×
n
n\times n
n×n的实对称矩阵,
x
x
x是一个
n
n
n维向量,则我们说
λ
\lambda
λ是矩阵A的一个特征值,而
x
x
x是矩阵A的特征值
λ
\lambda
λ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
n
n个特征值
λ
1
≤
λ
2
≤
.
.
.
≤
λ
n
\lambda_1\leq\lambda_2\leq...\leq\lambda_n
λ1≤λ2≤...≤λn,以及这
n
n
n个特征值所对应的特征向量
{
w
1
,
w
2
,
.
.
.
,
w
n
}
\lbrace w_1,w_2,...,w_n\rbrace
{w1,w2,...,wn},如果这nn个特征向量线性无关(正交),那么矩阵A就可以用下式的特征分解表示:
A
=
W
∑
W
−
1
A=W\sum W^{-1}
A=W∑W−1
其中W是这n个特征向量所张成的
n
×
n
n\times n
n×n维矩阵,而Σ为这n个特征值为主对角线的
n
×
n
n\times n
n×n维矩阵。
一般我们会把W的这nn个特征向量标准化,即满足
∣
∣
w
i
∣
∣
2
=
1
||w_i||_2=1
∣∣wi∣∣2=1, 或者说
w
i
t
w
i
=
1
w_i^tw_i=1
witwi=1,此时W的n个特征向量为标准正交基,满足
W
T
W
=
1
W^TW=1
WTW=1,即
W
T
=
W
−
1
W^T=W^{-1}
WT=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
∑
W
T
A=W\sum W^T
A=W∑WT
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×n的矩阵,那么我们定义矩阵A的SVD为:
A
=
U
∑
V
T
A=U \sum V^T
A=U∑VT
其中U是一个m×m矩阵,Σ是一个m×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×n的矩阵。U和V都是酉矩阵,即满足
U
T
U
=
I
U^TU=I
UTU=I,
V
T
V
=
I
V^TV=I
VTV=I,
U
T
U
=
I
U^TU=I
UTU=I,
V
T
V
=
I
V^TV=I
VTV=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,Σ,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×n的一个方阵
A
T
A
A^TA
ATA。既然
A
T
A
A^TA
ATA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
=
λ
i
v
i
(A^TA)v_i=\lambda_i v_i
(ATA)vi=λivi
这样我们就可以得到矩阵
A
T
A
A^TA
ATA的n个特征值和对应的n个特征向量v了。将
A
T
A
A^TA
ATA的所有特征向量张成一个n×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×m的一个方阵
A
A
T
AA^T
AAT。既然
A
A
T
AA^T
AAT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
=
λ
i
u
i
(AA^T)u_i=\lambda_i u_i
(AAT)ui=λiui
这样我们就可以得到矩阵
(
A
A
T
)
(AA^T)
(AAT)的m个特征值和对应的m个特征向量u了。将
(
A
A
T
)
(AA^T)
(AAT)的所有特征向量张成一个m×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Σ没有求出了。由于Σ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σ就可以了。
我们注意到:
A
=
U
∑
V
T
  
⟹
  
A
V
=
U
∑
V
T
V
  
⟹
  
A
V
=
U
∑
  
⟹
  
A
v
i
=
σ
i
u
i
  
⟹
  
σ
i
=
A
v
i
/
u
i
A=U\sum V^T\implies AV=U\sum V^TV\implies AV=U\sum\implies Av_i=\sigma_iu_i\implies\sigma_i=Av_i/u_i
A=U∑VT⟹AV=U∑VTV⟹AV=U∑⟹Avi=σiui⟹σi=Avi/ui
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Σ
。。。。。。这里省略一些字
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:
σ
i
=
λ
i
\sigma_i=\sqrt {\lambda_i}
σi=λi
3. SVD计算举例
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
=
(
0
1
1
1
1
0
)
A=\begin{pmatrix} 0 & 1 \\ 1 & 1 \\ 1&0\\ \end{pmatrix}
A=⎝⎛011110⎠⎞
我们首先求出
A
T
A
A^TA
ATA和
A
A
T
AA^T
AAT
A
T
A
=
(
0
1
1
1
1
0
)
(
0
1
1
1
1
0
)
=
(
2
1
1
2
)
A^TA=\begin{pmatrix} 0 & 1 &1 \\ 1 & 1 &0\\ \end{pmatrix}\begin{pmatrix} 0 & 1 \\ 1 & 1 \\ 1&0\\ \end{pmatrix} =\begin{pmatrix} 2 & 1 \\ 1 & 2 \end{pmatrix}
ATA=(011110)⎝⎛011110⎠⎞=(2112)
A
A
T
=
(
0
1
1
1
1
0
)
(
0
1
1
1
1
0
)
=
(
1
1
0
1
2
1
0
1
1
)
AA^T=\begin{pmatrix} 0 & 1 \\ 1 & 1 \\ 1&0\\ \end{pmatrix}\begin{pmatrix} 0 & 1 &1 \\ 1 & 1 &0\\ \end{pmatrix}=\begin{pmatrix} 1 & 1 &0 \\ 1 & 2 &1\\0&1&1 \end{pmatrix}
AAT=⎝⎛011110⎠⎞(011110)=⎝⎛110121011⎠⎞
4. SVD的一些性质
5. SVD小结
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。