我只是一名搬运工,以下内容来自:刘建平Pinard:https://www.cnblogs.com/pinard/p/6239403.html
1. 前言
主成分分析(Principal components analysis,以下简称PCA)是最重要的降维方法之一。在数据压缩消除冗余和数据噪音消除等领域都有广泛的应用。一般我们提到降维最容易想到的算法就是PCA,下面我们就对PCA的原理做一个总结。
2. PCA的思想
PCA顾名思义,就是找出数据里最主要的方面,用数据里最主要的方面来代替原始数据。具体的,假如我们的数据集是n维的,共有m个数据 ( x ( 1 ) , x ( 2 ) , . . . , x ( m ) ) (x^{(1)},x^{(2)},...,x^{(m)}) (x(1),x(2),...,x(m))。我们希望将这m个数据的维度从n维降到n’维,希望这m个n’维的数据集尽可能的代表原始数据集。我们知道数据从n维降到n’维肯定会有损失,但是我们希望损失尽可能的小。那么如何让这n’维的数据尽可能表示原来的数据呢?
我们先看看最简单的情况,也就是n=2,n’=1,也就是将数据从二维降维到一维。数据如下图。我们希望找到某一个维度方向,它可以代表这两个维度的数据。图中列了两个向量方向,
u
1
u_1
u1和
u
2
u_2
u2,那么哪个向量可以更好的代表原始数据集呢?从直观上也可以看出,
u
1
u_1
u1比
u
2
u_2
u2好。
为什么
u
1
u_1
u1比
u
2
u_2
u2好呢?可以有两种解释,第一种解释是样本点到这个直线的距离足够近,第二种解释是样本点在这个直线上的投影能尽可能的分开。
假如我们把n’从1维推广到任意维,则我们的希望降维的标准为:样本点到这个超平面的距离足够近,或者说样本点在这个超平面上的投影能尽可能的分开。
基于上面的两种标准,我们可以得到PCA的两种等价推导。
3. PCA的推导:基于最小投影距离
我们首先看第一种解释的推导,即样本点到这个超平面的距离足够近。
假设m个n维数据 ( x ( 1 ) , x ( 2 ) , . . . , x ( m ) ) (x^{(1)}, x^{(2)},...,x^{(m)}) (x(1),x(2),...,x(m))都已经进行了中心化,即 ∑ i = 1 m x ( i ) = 0 \sum\limits_{i=1}^{m}x^{(i)}=0 i=1∑mx(i)=0。经过投影变换后得到的新坐标系为 { w 1 , w 2 , . . . , w n } \{w_1,w_2,...,w_n\} {w1,w2,...,wn},其中 w w w是标准正交基,即 ∣ ∣ w ∣ ∣ 2 = 1 , w i T w j = 0 ||w||_2=1, w_i^Tw_j=0 ∣∣w∣∣2=1,wiTwj=0。
如果我们将数据从n维降到n’维,即丢弃新坐标系中的部分坐标,则新的坐标系为 { w 1 , w 2 , . . . , w n ′ } \{w_1,w_2,...,w_{n'}\} {w1,w2,...,wn′},样本点 x ( i ) x^{(i)} x(i)在n’维坐标系中的投影为: z ( i ) = ( z 1 ( i ) , z 2 ( i ) , . . . , z n ′ ( i ) ) T z^{(i)} = (z_1^{(i)}, z_2^{(i)},...,z_{n'}^{(i)})^T z(i)=(z1(i),z2(i),...,zn′(i))T.其中, z j ( i ) = w j T x ( i ) z_j^{(i)} = w_j^Tx^{(i)} zj(i)=wjTx(i)是 x ( i ) x^{(i)} x(i)在低维坐标系里第j维的坐标。
如果我们用 z ( i ) z^{(i)} z(i)来恢复原始数据 x ( i ) x^{(i)} x(i),则得到的恢复数据 x ‾ ( i ) = ∑ j = 1 n ′ z j ( i ) w j = W z ( i ) \overline{x}^{(i)} = \sum\limits_{j=1}^{n'}z_j^{(i)}w_j = Wz^{(i)} x(i)=j=1∑n′zj(i)wj=Wz(i),其中,W为标准正交基组成的矩阵。
现在我们考虑整个样本集,我们希望所有的样本到这个超平面的距离足够近,即最小化下式: ∑ i = 1 m ∣ ∣ x ‾ ( i ) − x ( i ) ∣ ∣ 2 2 \sum\limits_{i=1}^{m}||\overline{x}^{(i)} - x^{(i)}||_2^2 i=1∑m∣∣x(i)−x(i)∣∣22
将这个式子进行整理,可以得到:
∑
i
=
1
m
∣
∣
x
‾
(
i
)
−
x
(
i
)
∣
∣
2
2
=
∑
i
=
1
m
∣
∣
W
z
(
i
)
−
x
(
i
)
∣
∣
2
2
(
1
)
=
∑
i
=
1
m
(
W
z
(
i
)
)
T
(
W
z
(
i
)
)
−
2
∑
i
=
1
m
(
W
z
(
i
)
)
T
x
(
i
)
+
∑
i
=
1
m
x
(
i
)
T
x
(
i
)
(
2
)
=
∑
i
=
1
m
z
(
i
)
T
z
(
i
)
−
2
∑
i
=
1
m
z
(
i
)
T
W
T
x
(
i
)
+
∑
i
=
1
m
x
(
i
)
T
x
(
i
)
(
3
)
=
∑
i
=
1
m
z
(
i
)
T
z
(
i
)
−
2
∑
i
=
1
m
z
(
i
)
T
z
(
i
)
+
∑
i
=
1
m
x
(
i
)
T
x
(
i
)
(
4
)
=
−
∑
i
=
1
m
z
(
i
)
T
z
(
i
)
+
∑
i
=
1
m
x
(
i
)
T
x
(
i
)
(
5
)
=
−
t
r
(
W
T
(
∑
i
=
1
m
x
(
i
)
x
(
i
)
T
)
W
)
+
∑
i
=
1
m
x
(
i
)
T
x
(
i
)
(
6
)
=
−
t
r
(
W
T
X
X
T
W
)
+
∑
i
=
1
m
x
(
i
)
T
x
(
i
)
(
7
)
\begin{aligned} \sum\limits_{i=1}^{m}||\overline{x}^{(i)} - x^{(i)}||_2^2 & = \sum\limits_{i=1}^{m}|| Wz^{(i)}- x^{(i)}||_2^2 &(1)\\ & = \sum\limits_{i=1}^{m}(Wz^{(i)})^T(Wz^{(i)})- 2\sum\limits_{i=1}^{m}(Wz^{(i)})^Tx^{(i)} + \sum\limits_{i=1}^{m}x^{(i)T}x^{(i)} &(2)\\ & = \sum\limits_{i=1}^{m}z^{(i)T}z^{(i)} - 2\sum\limits_{i=1}^{m}z^{(i)T}W^Tx^{(i)} +\sum\limits_{i=1}^{m}x^{(i)T}x^{(i)} &(3)\\ & = \sum\limits_{i=1}^{m}z^{(i)T}z^{(i)} - 2\sum\limits_{i=1}^{m}z^{(i)T}z^{(i)}+\sum\limits_{i=1}^{m}x^{(i)T}x^{(i)} &(4)\\ & = - \sum\limits_{i=1}^{m}z^{(i)T}z^{(i)} + \sum\limits_{i=1}^{m}x^{(i)T}x^{(i)} &(5)\\ & =-tr( W^T(\sum\limits_{i=1}^{m}x^{(i)}x^{(i)T})W) + \sum\limits_{i=1}^{m}x^{(i)T}x^{(i)} &(6)\\ & = -tr( W^TXX^TW) + \sum\limits_{i=1}^{m}x^{(i)T}x^{(i)} &(7)\\ \end{aligned}
i=1∑m∣∣x(i)−x(i)∣∣22=i=1∑m∣∣Wz(i)−x(i)∣∣22=i=1∑m(Wz(i))T(Wz(i))−2i=1∑m(Wz(i))Tx(i)+i=1∑mx(i)Tx(i)=i=1∑mz(i)Tz(i)−2i=1∑mz(i)TWTx(i)+i=1∑mx(i)Tx(i)=i=1∑mz(i)Tz(i)−2i=1∑mz(i)Tz(i)+i=1∑mx(i)Tx(i)=−i=1∑mz(i)Tz(i)+i=1∑mx(i)Tx(i)=−tr(WT(i=1∑mx(i)x(i)T)W)+i=1∑mx(i)Tx(i)=−tr(WTXXTW)+i=1∑mx(i)Tx(i)(1)(2)(3)(4)(5)(6)(7)
其中第(1)步用到了 x ‾ ( i ) = W z ( i ) \overline{x}^{(i)}=Wz^{(i)} x(i)=Wz(i),第二步用到了平方和展开,第(3)步用到了矩阵转置公式 ( A B ) T = B T A T (AB)^T =B^TA^T (AB)T=BTAT和 W T W = I W^TW=I WTW=I,第(4)步用到了 z ( i ) = W T x ( i ) z^{(i)}=W^Tx^{(i)} z(i)=WTx(i),第(5)步合并同类项,第(6)步用到了 z ( i ) = W T x ( i ) z^{(i)}=W^Tx^{(i)} z(i)=WTx(i)和矩阵的迹,第7步将代数和表达为矩阵形式。
注意到
∑
i
=
1
m
x
(
i
)
x
(
i
)
T
\sum\limits_{i=1}^{m}x^{(i)}x^{(i)T}
i=1∑mx(i)x(i)T是数据集的协方差矩阵,W的每一个向量
w
j
w_j
wj是标准正交基。而
∑
i
=
1
m
x
(
i
)
T
x
(
i
)
\sum\limits_{i=1}^{m}x^{(i)T}x^{(i)}
i=1∑mx(i)Tx(i)是一个常量。最小化上式等价于:
a
r
g
  
m
i
n
⎵
W
  
−
t
r
(
W
T
X
X
T
W
)
    
s
.
t
.
W
T
W
=
I
\underbrace{arg\;min}_{W}\;-tr( W^TXX^TW)\;\;s.t. W^TW=I
W
argmin−tr(WTXXTW)s.t.WTW=I
这个最小化不难,直接观察也可以发现最小值对应的W由协方差矩阵
X
X
T
XX^T
XXT最大的n’个特征值对应的特征向量组成。当然用数学推导也很容易。利用拉格朗日函数可以得到
J
(
W
)
=
−
t
r
(
W
T
X
X
T
W
+
λ
(
W
T
W
−
I
)
)
J(W) = -tr( W^TXX^TW + \lambda(W^TW-I))
J(W)=−tr(WTXXTW+λ(WTW−I))
对W求导有
−
X
X
T
W
+
λ
W
=
0
-XX^TW+\lambda W=0
−XXTW+λW=0, 整理下即为:
X
X
T
W
=
λ
W
XX^TW=\lambda W
XXTW=λW
这样可以更清楚的看出,W为 X X T XX^T XXT的n’个特征向量组成的矩阵,而 λ \lambda λ为 X X T XX^T XXT的若干特征值组成的矩阵,特征值在主对角线上,其余位置为0。当我们将数据集从n维降到n’维时,需要找到最大的n’个特征值对应的特征向量。这n’个特征向量组成的矩阵W即为我们需要的矩阵。对于原始数据集,我们只需要用 z ( i ) = W T x ( i ) z^{(i)}=W^Tx^{(i)} z(i)=WTx(i),就可以把原始数据集降维到最小投影距离的n’维数据集。
如果你熟悉谱聚类的优化过程,就会发现和PCA的非常类似,只不过谱聚类是求前k个最小的特征值对应的特征向量,而PCA是求前k个最大的特征值对应的特征向量。
4. PCA的推导:基于最大投影方差
现在我们再来看看基于最大投影方差的推导。
假设m个n维数据 ( x ( 1 ) , x ( 2 ) , . . . , x ( m ) ) (x^{(1)}, x^{(2)},...,x^{(m)}) (x(1),x(2),...,x(m))都已经进行了中心化,即 ∑ i = 1 m x ( i ) = 0 \sum\limits_{i=1}^{m}x^{(i)}=0 i=1∑mx(i)=0。经过投影变换后得到的新坐标系为 { w 1 , w 2 , . . . , w n } \{w_1,w_2,...,w_n\} {w1,w2,...,wn},其中 w w w是标准正交基,即 ∣ ∣ w ∣ ∣ 2 = 1 , w i T w j = 0 ||w||_2=1, w_i^Tw_j=0 ∣∣w∣∣2=1,wiTwj=0。
如果我们将数据从n维降到n’维,即丢弃新坐标系中的部分坐标,则新的坐标系为 { w 1 , w 2 , . . . , w n ′ } \{w_1,w_2,...,w_{n'}\} {w1,w2,...,wn′},样本点 x ( i ) x^{(i)} x(i)在n’维坐标系中的投影为: z ( i ) = ( z 1 ( i ) , z 2 ( i ) , . . . , z n ′ ( i ) ) T z^{(i)} = (z_1^{(i)}, z_2^{(i)},...,z_{n'}^{(i)})^T z(i)=(z1(i),z2(i),...,zn′(i))T.其中, z j ( i ) = w j T x ( i ) z_j^{(i)} = w_j^Tx^{(i)} zj(i)=wjTx(i)是 x ( i ) x^{(i)} x(i)在低维坐标系里第j维的坐标。
对于任意一个样本
x
(
i
)
x^{(i)}
x(i),在新的坐标系中的投影为
W
T
x
(
i
)
W^Tx^{(i)}
WTx(i),在新坐标系中的投影方差为
W
T
x
(
i
)
x
(
i
)
T
W
W^Tx^{(i)}x^{(i)T}W
WTx(i)x(i)TW,要使所有的样本的投影方差和最大,也就是最大化
∑
i
=
1
m
W
T
x
(
i
)
x
(
i
)
T
W
\sum\limits_{i=1}^{m}W^Tx^{(i)}x^{(i)T}W
i=1∑mWTx(i)x(i)TW的迹,即:
a
r
g
  
m
a
x
⎵
W
  
t
r
(
W
T
X
X
T
W
)
    
s
.
t
.
W
T
W
=
I
\underbrace{arg\;max}_{W}\;tr( W^TXX^TW)\;\;s.t. W^TW=I
W
argmaxtr(WTXXTW)s.t.WTW=I
观察第二节的基于最小投影距离的优化目标,可以发现完全一样,只是一个是加负号的最小化,一个是最大化。
利用拉格朗日函数可以得到
J
(
W
)
=
t
r
(
W
T
X
X
T
W
+
λ
(
W
T
W
−
I
)
)
J(W) = tr( W^TXX^TW + \lambda(W^TW-I))
J(W)=tr(WTXXTW+λ(WTW−I))
对W求导有
X
X
T
W
+
λ
W
=
0
XX^TW+\lambda W=0
XXTW+λW=0, 整理下即为:
X
X
T
W
=
(
−
λ
)
W
XX^TW=(-\lambda)W
XXTW=(−λ)W
和上面一样可以看出,W为 X X T XX^T XXT的n’个特征向量组成的矩阵,而 − λ -\lambda −λ为 X X T XX^T XXT的若干特征值组成的矩阵,特征值在主对角线上,其余位置为0。当我们将数据集从n维降到n’维时,需要找到最大的n’个特征值对应的特征向量。这n’个特征向量组成的矩阵W即为我们需要的矩阵。对于原始数据集,我们只需要用 z ( i ) = W T x ( i ) z^{(i)}=W^Tx^{(i)} z(i)=WTx(i),就可以把原始数据集降维到最小投影距离的n’维数据集。
5. PCA算法流程
从上面两节我们可以看出,求样本 x ( i ) x^{(i)} x(i)的n’维的主成分其实就是求样本集的协方差矩阵 X X T XX^T XXT的前n’个特征值对应特征向量矩阵W,然后对于每个样本 x ( i ) x^{(i)} x(i),做如下变换 z ( i ) = W T x ( i ) z^{(i)}=W^Tx^{(i)} z(i)=WTx(i),即达到降维的PCA目的。
下面我们看看具体的算法流程。
输入:n维样本集
D
=
(
x
(
1
)
,
x
(
2
)
,
.
.
.
,
x
(
m
)
)
D=(x^{(1)}, x^{(2)},...,x^{(m)})
D=(x(1),x(2),...,x(m)),要降维到的维数n’.
输出:降维后的样本集
D
′
D'
D′
1 ) 对所有的样本进行中心化:
x
(
i
)
=
x
(
i
)
−
1
m
∑
j
=
1
m
x
(
j
)
x^{(i)} = x^{(i)} - \frac{1}{m}\sum\limits_{j=1}^{m}x^{(j)}
x(i)=x(i)−m1j=1∑mx(j)
2 ) 计算样本的协方差矩阵
X
X
T
XX^T
XXT
3 ) 对矩阵
X
X
T
XX^T
XXT进行特征值分解
4 ) 取出最大的n’个特征值对应的特征向量
(
w
1
,
w
2
,
.
.
.
,
w
n
′
)
(w_1,w_2,...,w_{n'})
(w1,w2,...,wn′), 将所有的特征向量标准化后,组成特征向量矩阵W。
5 ) 对样本集中的每一个样本
x
(
i
)
x^{(i)}
x(i),转化为新的样本
z
(
i
)
=
W
T
x
(
i
)
z^{(i)}=W^Tx^{(i)}
z(i)=WTx(i)
6 ) 得到输出样本集
D
′
=
(
z
(
1
)
,
z
(
2
)
,
.
.
.
,
z
(
m
)
)
D' =(z^{(1)}, z^{(2)},...,z^{(m)})
D′=(z(1),z(2),...,z(m))
有时候,我们不指定降维后的n’的值,而是换种方式,指定一个降维到的主成分比重阈值t。这个阈值t在(0,1]之间。假如我们的n个特征值为
λ
1
≥
λ
2
≥
.
.
.
≥
λ
n
\lambda_1 \geq \lambda_2 \geq ... \geq \lambda_n
λ1≥λ2≥...≥λn,则n’可以通过下式得到:
∑
i
=
1
n
′
λ
i
∑
i
=
1
n
λ
i
≥
t
\frac{\sum\limits_{i=1}^{n'}\lambda_i}{\sum\limits_{i=1}^{n}\lambda_i} \geq t
i=1∑nλii=1∑n′λi≥t
6. PCA实例
下面举一个简单的例子,说明PCA的过程。
假设我们的数据集有10个二维数据(2.5,2.4), (0.5,0.7), (2.2,2.9), (1.9,2.2), (3.1,3.0), (2.3, 2.7), (2, 1.6), (1, 1.1), (1.5, 1.6), (1.1, 0.9),需要用PCA降到1维特征。
首先我们对样本中心化,这里样本的均值为(1.81, 1.91),所有的样本减去这个均值后,即中心化后的数据集为(0.69, 0.49), (-1.31, -1.21), (0.39, 0.99), (0.09, 0.29), (1.29, 1.09), (0.49, 0.79), (0.19, -0.31), (-0.81, -0.81), (-0.31, -0.31), (-0.71, -1.01)。
现在我们开始求样本的协方差矩阵,由于我们是二维的,则协方差矩阵为:
X
X
T
=
(
c
o
v
(
x
1
,
x
1
)
c
o
v
(
x
1
,
x
2
)
c
o
v
(
x
2
,
x
1
)
c
o
v
(
x
2
,
x
2
)
)
\mathbf{XX^T} = \left( \begin{array}{ccc} cov(x_1,x_1) & cov(x_1,x_2)\\ cov(x_2,x_1) & cov(x_2,x_2) \end{array} \right)
XXT=(cov(x1,x1)cov(x2,x1)cov(x1,x2)cov(x2,x2))
对于我们的数据,求出协方差矩阵为:
X
X
T
=
(
0.616555556
0.615444444
0.615444444
0.716555556
)
\mathbf{XX^T} = \left( \begin{array}{ccc} 0.616555556 & 0.615444444\\ 0.615444444 & 0.716555556 \end{array} \right)
XXT=(0.6165555560.6154444440.6154444440.716555556)
求出特征值为(0.0490833989, 1.28402771),对应的特征向量分别为: ( 0.735178656 , 0.677873399 ) T      ( − 0.677873399 , − 0.735178656 ) T (0.735178656, 0.677873399)^T\;\; (-0.677873399, -0.735178656)^T (0.735178656,0.677873399)T(−0.677873399,−0.735178656)T,由于最大的k=1个特征值为1.28402771,对于的k=1个特征向量为 ( − 0.677873399 , − 0.735178656 ) T (-0.677873399, -0.735178656)^T (−0.677873399,−0.735178656)T. 则我们的W= ( − 0.677873399 , − 0.735178656 ) T (-0.677873399, -0.735178656)^T (−0.677873399,−0.735178656)T
我们对所有的数据集进行投影 z ( i ) = W T x ( i ) z^{(i)}=W^Tx^{(i)} z(i)=WTx(i),得到PCA降维后的10个一维数据集为:(-0.827970186, 1.77758033, -0.992197494, -0.274210416, -1.67580142, -0.912949103, 0.0991094375, 1.14457216, 0.438046137, 1.22382056)
7. 核主成分分析KPCA介绍
在上面的PCA算法中,我们假设存在一个线性的超平面,可以让我们对数据进行投影。但是有些时候,数据不是线性的,不能直接进行PCA降维。这里就需要用到和支持向量机一样的核函数的思想,先把数据集从n维映射到线性可分的高维N>n,然后再从N维降维到一个低维度n’, 这里的维度之间满足n’<n<N。
使用了核函数的主成分分析一般称之为核主成分分析(Kernelized PCA, 以下简称KPCA。假设高维空间的数据是由n维空间的数据通过映射 ϕ \phi ϕ产生。
则对于n维空间的特征分解:
∑
i
=
1
m
x
(
i
)
x
(
i
)
T
W
=
λ
W
\sum\limits_{i=1}^{m}x^{(i)}x^{(i)T}W=\lambda W
i=1∑mx(i)x(i)TW=λW
映射为:
∑
i
=
1
m
ϕ
(
x
(
i
)
)
ϕ
(
x
(
i
)
)
T
W
=
λ
W
\sum\limits_{i=1}^{m}\phi(x^{(i)})\phi(x^{(i)})^TW=\lambda W
i=1∑mϕ(x(i))ϕ(x(i))TW=λW
通过在高维空间进行协方差矩阵的特征值分解,然后用和PCA一样的方法进行降维。一般来说,映射 ϕ \phi ϕ不用显式的计算,而是在需要计算的时候通过核函数完成。由于KPCA需要核函数的运算,因此它的计算量要比PCA大很多。
8. PCA算法总结
这里对PCA算法做一个总结。作为一个非监督学习的降维方法,它只需要特征值分解,就可以对数据进行压缩,去噪。因此在实际场景应用很广泛。为了克服PCA的一些缺点,出现了很多PCA的变种,比如第六节的为解决非线性降维的KPCA,还有解决内存限制的增量PCA方法Incremental PCA,以及解决稀疏数据降维的PCA方法Sparse PCA等。
PCA算法的主要优点有:
1 ) 仅仅需要以方差衡量信息量,不受数据集以外的因素影响。
2 ) 各主成分之间正交,可消除原始数据成分间的相互影响的因素。
3 ) 计算方法简单,主要运算是特征值分解,易于实现。
PCA算法的主要缺点有:
1 ) 主成分各个特征维度的含义具有一定的模糊性,不如原始样本特征的解释性强。
2 ) 方差小的非主成分也可能含有对样本差异的重要信息,因降维丢弃可能对后续数据处理有影响。
(欢迎转载,转载请注明出处 刘建平Pinard:https://www.cnblogs.com/pinard/p/6239403.html)