引言
主成分分析(PCA)是一种能够极大提升无监督特征学习速度的数据降维算法。更重要的是,理解 PCA 算法,对实现白化算法有很大的帮助,很多算法都先用白化算法作预处理步骤。假设你使用图像来训练算法,因为图像中相邻的像素高度相关,输入数据是有一定冗余的。具体来说,假如我们正在训练的 16x16 灰度值图像,记为一个 256维向量 ,其中特征值
对应每个像素的亮度值。由于相邻像素间的相关性,PCA 算法可以将输入向量转换为一个维数低很多的近似向量,而且误差非常小。
引例
数学背景
在我们的实例中,使用的输入数据集表示为 ,维度n=2即
。假设我们想把数据从 2 维降到 1 维。(在实际应用中,我们也许需要把数据从 256 维降到 50 维;在这里使用低维数据,主要是为了更好地可视化算法的行为)。下图是我们的数据集:
这些数据已经进行了预处理,使得每个特征x1和x2具有相同的均值(零)和方差。为方便展示,根据x1值的大小,我们将每个点分别涂上了三种颜色之一,但该颜色并不用于算法而仅用于图解。
PCA 算法将寻找一个低维空间来投影我们的数据。从下图中可以看出,u1是数据变化的主方向,而u2是次方向。
也就是说,数据在u1方向上的变化要比在u2方向上大。为更形式化地找出方
向u1和u2,我们首先计算出矩阵 ,如下所示:
假设x的均值为零,那么就是 x 的协方差矩阵。
可以证明,数据变化的主方向u1就是协方差矩阵的主特征向量,而u2是次特征向量。
此处u1是主特征向量(对应最大的特征值),u2是次特征向量;为相应的特征值。 在本例中,向量u1和u2构成了一个新基,可以用来表示数据。令
为训练样本,那么
就是样本点x在维度u1上的投影的长度(幅值)。同样的,
是x投影到u2维度上的幅值。
旋转数据
我们可以把 x用(u1,u2)基表达为:
(下标“rot”来源于单词“rotation”,意指这是原数据经过旋转(也可以说成映射)后得到的结果)
对数据集中的每个样本分别进行旋转:
,然后把变换后的数据
显示在坐标图上,可得:
这就是把训练数据集旋转到 u1,u2基后的结果。一般而言,运算 表示旋
转 到 基 之 上 的 训练数据 。矩阵U有正交性,即满足
,所以若想将旋转后的向量
还原为原始数据x,将其左乘矩阵U即可:
, 验算一下:
.
数据降维
数据的主方向就是旋转数据的第一维。因此,若想把这数据降到一维,可令:
更一般的,假如想把数据降到
维表示 (令 ),只需选取
的前k个成分,分别对应前k个数据变化的主方向。
PCA 的另外一种解释是:是一个n维向量,其中前几个成分可能比较大(例如,上例中大部分样本第一个成分
的取值相对较大),而后面成分可能会比较小(例如,上例中大部分样本的
较小)。
PCA 算法做的其实就是丢弃中后面(取值较小)的成分,就是将这些成分的值近似为零。具体的说,设
是
的近似表示,那么将
除了前k个成分外,其余全赋值为零,就得到:
在本例中,可得的点图如下(取n=2.k=1 ):
然而,由于上面的后n-k项均为零,没必要把这些零项保留下来。所以,我
们仅用前k个(非零)成分来定义k维向量。
这也解释了我们为什么会以为基来表示数据:要决定保留哪些
成分变得很简单,只需取前k个成分即可。这时也可以说,我们“保留了前k个
PCA(主)成分”。
还原近似数据
现在,我们得到了原始数据的低维“压缩”表征量
, 反过来,
如果给定,我们应如何还原原始数据x呢?查看 以往章节以往章节可知,要
转换回来,只需即可。进一步,我们把
看作将
的最
后n-k个元素被置 0 所得的近似表示,因此如果给定,可以通过在
其末尾添加n-k个 0 来得到对的近似,最后,左乘U便可近似还
原出原数据x。具体来说,计算如下:
上面的等式基于先前对U的定义。在实现时,我们实际上并不先给填 0 然后再左乘U,因为这意味着大量的乘 0 运算。我们可用
来与U的前k列相乘,即上式中最右项,来达到同样的目的。将该算法应用于本例中的数据集,可得如下关于重构数据 的点图:
由图可见,我们得到的是对原始数据集的一维近似重构。在训练自动编码器或其它无监督特征学习算法时,算法运行时间将依赖于输入数
据的维数。若用取代x作为输入数据,那么算法就可使用低维数据进行训练,运行速度将显著加快。对于很多数据集来说,低维表征量
是原数据集的极佳近似,因此在这些场合使用 PCA 是很合适的,它引入的近似误差的很小,却可显著地提高你算法的运行速度。
选择主成分个数
我们该如何选择k,即保留多少个 PCA 主成分?在上面这个简单的二维实验中,保留第一个成分看起来是自然的选择。对于高维数据来说,做这个决定就没那么简单:如果k过大,数据压缩率不高,在极限情况k=n时,等于是在使用原始数据(只是旋转投射到了不同的基);相反地,如果k过小,那数据的近似误差太太。
决定k值时,我们通常会考虑不同k值可保留的方差百分比。具体来说,如果k=n,那么我们得到的是对数据的完美近似,也就是保留了 100%的方差,即原始数据的所有变化都被保留下来;相反,如果k=0,那等于是使用零向量来逼近输入数据,也就是只有 0%的方差被保留下来。
一般而言,设表示
的特征值(按由大到小顺序排列),使得
为对应于特征向量
的特征值。那么如果我们保留前k个成分,则保留的方差百分比可计算为:
在上面简单的二维实验中,, 。因此,如果保留k=1个主成分,等于我们保留了7.29/(7.29+0.69),即 91.3%的方差。对保留方差的百分比进行更正式的定义已超出了本教程的范围,但很容易证明,
。因此,如果
,则说明
也就基本上接近于 0,所以用 0 来近似它并不会产生多大损失。这也解释了为什么要保留前面的主成分(对应的
值较大)而不是末尾的那些。这些前面的主成分
变化性更大,取值也更大,如果将其设为 0 势必引入较大的近似误差。以处理图像数据为例,一个惯常的经验法则是选择 以保留 99%的方差,换句话说,我们选取满足以下条件的最小k值:
对其它应用,如不介意引入稍大的误差,有时也保留 90-98%的方差范围。若向他人介绍 PCA 算法详情,告诉他们你选择的k保留了 95%的方差,比告诉他们你保留了前 120 个(或任意某个数字)主成分更好理解。
对图像数据应用 PCA 算法
为使 PCA 算法能有效工作,通常我们希望所有的特征都有相似的取值范围(并且均值接近于 0)。如果你曾在其它应用中使用过 PCA 算法,你可能知道有必要单独对每个特征做预处理,即通过估算每个特征
的均值和方差,而后将其取值范围规整化为零均值和单位方差。但是,对于大部分图像类型,我们却不需要进行这样的预处理。假定我们将在自然图像上训练算法,此时特征
代表的是像素j的值。所谓“自然图像”,不严格的说,是指人或动物在他们一生中所见的那种图像。注:通常我们选取含草木等内容的户外场景图片,然后从中随机截取小图像块(如16x16 像素)来训练算法。在实践中我们发现,大多数特征学习算法对训练图片的确切类型并不敏感,所以大多数用普通照相机拍摄的图片,只要不是特别的模糊或带有非常奇怪的人工痕迹,都可以使用。
在自然图像上进行训练时,对每一个像素单独估计均值和方差意义不大,因为(理论上)图像任一部分的统计性质都应该和其它部分相同,图像的这种特性被称作平稳性(stationarity)。
具体而言,为使 PCA 算法正常工作,我们通常需要满足以下要求:(1)特征的均值大致为 0;(2)不同特征的方差值彼此相似。对于自然图片,即使不进行方差归一化操作,条件(2)也自然满足,故而我们不再进行任何方差归一化操作(对音频数据,如声谱,或文本数据,如词袋向量,我们通常也不进行方差归一化)。实际上,PCA 算法对输入数据具有缩放不变性,无论输入数据的值被如何放大(或缩小),返回的特征向量都不改变。更正式的说:如果将每个特征向量 都乘以某个正数(即所有特征量被放大或缩小相同的倍数),PCA 的输出特征向量都将不会发生变化。
既然我们不做方差归一化,唯一还需进行的规整化操作就是均值规整化,其目的是保证所有特征的均值都在 0 附近。根据应用,在大多数情况下,我们并不关注所输入图像的整体明亮程度。比如在对象识别任务中,图像的整体明亮程度并不会影响图像中存在的是什么物体。更为正式地说,我们对图像块的平均亮度值不感兴趣,所以可以减去这个值来进行均值规整化。
具体的步骤是,如果代表 16x16 的图像块的亮度(灰度)值(n=256 ),可用如下算法来对每幅图像进行零均值化操作:
for all j
请注意:1)对每个输入图像块都要单独执行上面两个步骤,2)这里的
是指图像块
的平均亮度值。尤其需要注意的是,这和为每个像素
单独估算均值是两个完全不同的概念。
如果你处理的图像并非自然图像(比如,手写文字,或者白背景正中摆放单独物体),其他规整化操作就值得考虑了,而哪种做法最合适也取决于具体应用场合。但对自然图像而言,对每幅图像进行上述的零均值规整化,是默认而合理的处理。