PCA原理详解

最新推荐文章于 2024-03-07 15:45:07 发布

朽木白露

最新推荐文章于 2024-03-07 15:45:07 发布

阅读量2.7k

点赞数 3

分类专栏： # SLAM

原文链接：https://blog.csdn.net/hustqb/article/details/78394058

版权

SLAM 专栏收录该内容

32 篇文章 12 订阅

订阅专栏

声明：

参考：PCA数学原理、维基百科

PCA——主成分分析

简介

PCA全称Principal Component Analysis，即主成分分析，是一种常用的数据降维方法。它可以通过线性变换将原始数据变换为一组各维度线性无关的表示，以此来提取数据的主要线性分量。
$z=wTxz = w^Txz=wTx$
其中，z为低维矩阵，x为高维矩阵，w为两者之间的映射关系。假如我们有二维数据（原始数据有两个特征轴——特征1和特征2）如下图所示，样本点分布为斜45°的蓝色椭圆区域。PCA算法认为斜45°为主要线性分量，与之正交的虚线是次要线性分量（应当舍去以达到降维的目的）。
二维数据的PCA降维
划重点：

线性变换=>新特征轴可由原始特征轴线性变换表征
线性无关=>构建的特征轴是正交的
主要线性分量（或者说是主成分）=>方差加大的方向
PCA算法的求解就是找到主要线性分量及其表征方式的过程

相应的，PCA解释方差并对离群点很敏感：少量原远离中心的点对方差有很大的影响，从而也对特征向量有很大的影响。

线性变换

一个矩阵与一个列向量A相乘，等到一个新的列向量B，则称该矩阵为列向量A到列向量B的线性变换。

我们希望投影后投影值尽可能分散，而这种分散程度，可以用数学上的方差来表述。 $\frac 1m \sum_{i=1}^m(a_i - \mu)^2Var(a)=m1i=1∑m(ai−μ)2$ 即寻找一个一维基，使得所有数据变换为这个基上的坐标表示后，方差值最大。

解释：方差越大，说明数据越分散。通常认为，数据的某个特征维度上数据越分散，该特征越重要。

对于更高维度，还有一个问题需要解决，考虑三维降到二维问题。与之前相同，首先我们希望找到一个方向使得投影后方差最大，这样就完成了第一个方向的选择，继而我们选择第二个投影方向。如果我们还是单纯只选择方差最大的方向，很明显，这个方向与第一个方向应该是“几乎重合在一起”，显然这样的维度是没有用的，因此，应该有其他约束条件——就是正交

解释：从直观上说，让两个字段尽可能表示更多的原始信息，我们是不希望它们之间存在（线性）相关性的，因为相关性意味着两个字段不是完全独立，必然存在重复表示的信息。
字段在本文中指，降维后的样本的特征轴

数学上可以用两个字段的协方差表示其相关性： $\frac 1m \sum_{i=1}^m (a_i - \mu_a)(b_i - \mu_b)Cov(a,b)=m1i=1∑m(ai−μa)(bi−μb)$ 当协方差为0时，表示两个字段线性不相关。

总结一下，PCA的优化目标是：
将一组N维向量降为K维（K大于0，小于N），其目标是选择K个单位正交基，使得原始数据变换到这组基上后，各字段两两间协方差为0，而字段的方差则尽可能大。

所以现在的重点是方差和协方差

协方差

在统计学上，协方差用来刻画两个随机变量之间的相关性，反映的是变量之间的二阶统计特性。考虑两个随机变量 $XiX_iXi$ 和 $XjX_jXj$ ，它们的协方差定义为
$cov(Xi,Xj)=E[(Xi−E(Xi))(Xj−E(Xj))]cov(X_i, X_j) = E[(X_i - E(X_i))(X_j - E(X_j))]cov(Xi,Xj)=E[(Xi−E(Xi))(Xj−E(Xj))]$

tips：独立，不相关与协方差为零三者的关系
只讨论离散型随机变量的情形。
独立：随机变量 $ξ,η\xi ,\etaξ,η$ 独立是指对于任意的常数a,b，都有 $P(ξ=a,η=b)=P(ξ=a)⋅P(η=b)P(\xi = a, \eta = b) = P(\xi = a) \cdot P(\eta = b)P(ξ=a,η=b)=P(ξ=a)⋅P(η=b)$ .
相关性，相关系数 $ρξη=cov(ξ,η)var(ξ)var(η)\rho _{\xi \eta } = \frac {cov(\xi, \eta)}{\sqrt{var(\xi)} \sqrt{var(\eta)}}ρξη=var(ξ)var(η)cov(ξ,η)$
相关系数其实是“线性相关系数”
相关系数和协方差在描述相关性方面是等价的，但独立与相关性的关系是：
**独立=>不相关**

协方差矩阵：
假设有m个变量，特征维度为2， $a1a_1a1$ 表示变量1的a特征。那么构成的数据集矩阵为：
$X=(a1a2...amb1b2...bm)X=\begin{pmatrix} a_1 & a_2 &...& a_m\\ b_1 & b_2 &...&b_m \end{pmatrix}X=(a1b1a2b2......ambm)$

再假设它们的均值都是0，对于有两个均值为0的m维向量组成的向量组， $1mXXT=(1m∑i=1mai21m∑i=1maibi1m∑i=1maibi1m∑i=1mbi2)\frac 1mXX^T=\begin{pmatrix} \frac 1m \sum_{i=1}^m a_i^2 & \frac 1m \sum_{i=1}^m a_ib_i\\ \frac 1m \sum_{i=1}^m a_ib_i & \frac 1m \sum_{i=1}^m b_i^2 \end{pmatrix}m1XXT=(m1∑i=1mai2m1∑i=1maibim1∑i=1maibim1∑i=1mbi2)$

可以发现对角线上的元素是两个字段的方差，其他元素是两个字段的协方差，两者都被统一到了一个矩阵——协方差矩阵中。

回顾一下前面所说的PCA算法的目标：方差max，协方差min！！

要达到PCA降维目的，等价于将协方差矩阵对角化：即除对角线外的其他元素化为0，并且在对角线上将元素按大小从上到下排列，这样我们就达到了优化目的。

设原始数据矩阵X对应的协方差矩阵为C，而P是一组基按行组成的矩阵，设Y=PX，则Y为X对P做基变换后的数据。设Y的协方差矩阵为D，我们推导一下D与C的关系： $\frac 1m YY^T = \frac 1m (PX)(PX)^T = \frac 1m PXX^TP^T = P(\frac 1m XX^T)P^T = PCP^TD=m1YYT=m1(PX)(PX)T=m1PXXTPT=P(m1XXT)PT=PCPT$

解释：想让原始数据集X =>pca成数据集Y，使得Y的协方差矩阵是个对角矩阵。
有上述推导可得，若有矩阵P能使X的协方差矩阵对角化，则P就是我们要找的PCA变换。

优化目标变成了寻找一个矩阵 $P P P$ ，满足 $PCPTPCP^TPCPT$ 是一个对角矩阵，并且对角元素按从大到小依次排列，那么 $P P P$ 的前 $K K K$ 行就是要寻找的基，用 $P P P$ 的前 $K K K$ 行组成的矩阵乘以 $X X X$ 就使得 $X X X$ 从 $N N N$ 维降到了 $K K K$ 维并满足上述优化条件。

矩阵对角化

首先，原始数据矩阵X的协方差矩阵C是一个实对称矩阵，它有特殊的数学性质：

实对称矩阵不同特征值对应的特征向量必然正交。
设特征值 $λ\lambdaλ$ 重数为r，则必然存在r个线性无关的特征向量对应于 $λ\lambdaλ$ ，因此可以将这r个特征向量单位正交化。

一个n行n列的实对称矩阵一定可以找到n个单位正交特征向量，设这n个特征向量为 $e1,e2,...,ene_1, e_2, ..., e_ne1,e2,...,en$ ，我们将其按列组成矩阵： $E=(e1 e2 ... en)E = (e_1 \ e_2 \ ... \ e_n)E=(e1 e2 ... en)$
则对协方差矩阵C有如下结论：
$ETCE=Λ=(λ1λ2...λn)E^TCE = \Lambda = \begin{pmatrix} \lambda_1 & & & \\ &\lambda_2 & & \\ & &... & \\ & & &\lambda_n \end{pmatrix}ETCE=Λ=⎝⎜⎜⎛λ1λ2...λn⎠⎟⎟⎞$ 这里不懂的朋友可以查阅线性代数相关书籍。
$P=ETP = E^TP=ET$

P是协方差矩阵的特征向量单位化后按行排列出的矩阵，其中每一行都是C的一个特征向量。如果设P按照中特征值的从大到小，将特征向量从上到下排列，则用P的前K行组成的矩阵乘以原始数据矩阵X，就得到了我们需要的降维后的数据矩阵Y。

在解释一下，特征值 $λ\lambdaλ$ 为什么要从大到小排列，为什么要选较大的 $λ\lambdaλ$ ？？？
因为我们协方差矩阵的对角线元素是方差，我们想要找方差交大的特征维度，所以要选择较大的对角线元素。
而对角矩阵 $Λ\LambdaΛ$ 虽然是C经过线性变化后的矩阵，但它在对角线上元素的大小关系没变，特征维度 $i i i$ 对应的特征值 $λi\lambda_iλi$ 越大，该维度上数据的方差越大。

另一种解释思路

该思路基于拉格朗日问题的求解方法。
回到一开始， $z=wTxz=w^Txz=wTx$ 。其中，最主要的成分是这样的 $w1w_1w1$ ，样本投影到 $w1w_1w1$ 上之后最分散，使得样本点之间的差别变得最明显。为了得到唯一解且是该方向成为最重要的因素，我们要求 $w1∣∣=1||w_1|| = 1∣∣w1∣∣=1$ . 如果 $z1=w1Txz_1={w_1}^Txz1=w1Tx$ 且 $KaTeX parse error: Undefined control sequence: \sumCov at position 16: Cov(x)=∑Cov(x)=\̲s̲u̲m̲C̲o̲v̲(x)=∑$ ，则
$Var(z1)=E[(wTx−wTμ)2]=w1t∑w1Var(z_1) =E[(w^Tx - w^T\mu)^2] = {w_1}^t\sum w_1 Var(z1)=E[(wTx−wTμ)2]=w1t∑w1$
寻找 $w1w_1w1$ ，使得 $w1w_1w1$ 在约束下最大化。将这写成拉格朗日问题，则有：
$max⁡w1w1T∑w1−α(w1Tw1−1)\max_{w_1}{w_1}^T\sum w_1 - \alpha(w_1^Tw_1 - 1)w1maxw1T∑w1−α(w1Tw1−1)$
关于 $w1w_1w1$ 求导并让它等于0，有：
$2∑w1−2αw1=02\sum w_1 - 2\alpha w_1 = 02∑w1−2αw1=0$
因此， $∑w1=αw1\sum w_1 = \alpha w_1∑w1=αw1$
如果 $w1w_1w1$ 是协方差矩阵 $∑\sum∑$ 的特征向量，a是对应的特征值，则上式成立。因为我们想最大化
$KaTeX parse error: Undefined control sequence: \alphaVar at position 70: …pha w_1^Tw_1 = \̲a̲l̲p̲h̲a̲V̲a̲r̲(z1)=w1T∑w1=…$
所以为了方差最大，我们选择具有最大特征值的特征向量。因此，主成分是输入样本的协方差矩阵的具有最大特征值 $λ1=α\lambda_1 = \alphaλ1=α$ 的特征向量。
第二个主成分 $w2w_2w2$ 也应该是最大化方差，具有单位长度，并且与 $w1w_1w1$ 正交。后一个要求是使得投影后 $z2=w2Txz_2=w_2^Txz2=w2Tx$ 与 $z1z_1z1$ 不相关。对于第二个主成分，有
$max⁡w2w2T∑w2−α(w2Tw2−1)−β(w2Tw1−0)\max_{w_2} w_2^T \sum w_2 - \alpha(w_2^Tw_2 - 1) - \beta(w_2^Tw_1 - 0)w2maxw2T∑w2−α(w2Tw2−1)−β(w2Tw1−0)$
最后，该式简化为 $∑w2=αw2\sum w_2 = \alpha w_2∑w2=αw2$ ，这表明 $w2w_2w2$ 应该是 $∑\sum∑$ 的具有第二大特征值 $λ2=α\lambda_2=\alphaλ2=α$ 的特征向量。类次的，我们可以证明其他维被具有递减特征值的特征向量给出。

算法及实例

PCA算法

总结一下PCA的算法步骤：
设有n条m维数据。

将原始数据按列组成m行n列矩阵X
将X的每一行(代表一个属性字段）进行零均值化
求出协方差矩阵 $\frac 1m XX^TC=m1XXT$
求出协方差矩阵的特征值及对应的特征向量
将特征相浪按对应特征值大小从上到下按行排列成矩阵，取前k行组成矩阵P
$Y = P X Y = P X Y = P X$ 即为降维到k维后的数据

关于PCA的python实现代码可以参考这里，不过ipynb文件可能在github上刷不出来，建议下载下来用jupyter notebook打开。

实例

原始数据集矩阵X：
$(1124213344)\begin{pmatrix} 1 & 1 & 2 & 4 & 2 \\ 1 & 3 & 3 & 4 & 4 \end{pmatrix}(1113234424)$

求均值后：
$(−1−1020−20011)\begin{pmatrix} -1 & -1 & 0 & 2 & 0 \\ -2 & 0 & 0 & 1 & 1 \end{pmatrix}(−1−2−10002101)$

再求协方差矩阵
$\frac 15 \begin{pmatrix} -1 & -1 & 0 & 2 & 0 \\ -2 & 0 & 0 & 1 & 1 \end{pmatrix} \cdot \begin{pmatrix} -1 &-2 \\ -1 &0 \\ 0 &0 \\ 2 &1 \\ 0 &1 \end{pmatrix} = \begin{pmatrix} \frac65 &\frac45 \\ \frac45 &\frac65 \end{pmatrix}C=51(−1−2−10002101)⋅⎝⎜⎜⎜⎜⎛−1−1020−20011⎠⎟⎟⎟⎟⎞=(56545456)$

特征值：
$λ1=2,λ2=25\lambda_1 = 2, \lambda_2 = \frac 25λ1=2,λ2=52$

对应的特征向量：
$c1(1212),c1(−1212)c1\begin{pmatrix} \frac 1{\sqrt 2}\\ \frac 1{\sqrt 2} \end{pmatrix}, c1\begin{pmatrix} -\frac 1{\sqrt 2}\\ \frac 1{\sqrt 2} \end{pmatrix}c1(2121),c1(−2121)$

标准化（其实不标准化也一样，只是稍显不专业）
$\begin{pmatrix} \frac 1{\sqrt 2} &\frac 1{\sqrt 2} \\ -\frac 1{\sqrt 2} &\frac 1{\sqrt 2} \end{pmatrix}P=(21−212121)$

选择较大特征值对应的特征向量：
$(1212)\begin{pmatrix} \frac 1{\sqrt 2} &\frac 1{\sqrt 2} \end{pmatrix}(2121)$

执行PCA变换：Y=PX，得到的Y就是PCA降维后的值数据集矩阵：
$\begin{pmatrix} \frac 1{\sqrt 2} &\frac 1{\sqrt 2} \end{pmatrix} \cdot \begin{pmatrix} -1 & -1 & 0 & 2 & 0 \\ -2 & 0 & 0 & 1 & 1 \end{pmatrix} = \begin{pmatrix} -\frac 3 {\sqrt 2} & -\frac 1 {\sqrt 2} & 0 & \frac 3 {\sqrt 2} & \frac 1 {\sqrt 2}\end{pmatrix}Y=(2121)⋅(−1−2−10002101)=(−23−2102321)$

降维过程的示意图

降维投影结果

进一步讨论

根据上面对PCA的数学原理的解释，我们可以了解到一些PCA的能力和限制。PCA本质上是将方差最大的方向作为主要特征，并且在各个正交方向上将数据“离相关”，也就是让它们在不同正交方向上没有相关性。

因此，PCA也存在一些限制，例如它可以很好的解除线性相关，但是对于高阶相关性就没有办法了，对于存在高阶相关性的数据，可以考虑Kernel PCA，通过Kernel函数将非线性相关转为线性相关，关于这点就不展开讨论了。另外，PCA假设数据各主特征是分布在正交方向上，如果在非正交方向上存在几个方差较大的方向，PCA的效果就大打折扣了。

最后需要说明的是，PCA是一种无参数技术，也就是说面对同样的数据，如果不考虑清洗，谁来做结果都一样，没有主观参数的介入，所以PCA便于通用实现，但是本身无法个性化的优化。

朽木白露

关注

3
点赞
踩
14

收藏

觉得还不错? 一键收藏
0
评论
PCA原理详解

声明：参考：PCA数学原理、维基百科PCA——主成分分析简介PCA全称Principal Component Analysis，即主成分分析，是一种常用的数据降维方法。它可以通过线性变换将原始数据变换为一组各维度线性无关的表示，以此来提取数据的主要线性分量。z=wTxz=wTxz=wTxz=wTxz = w^Txz=wTxz=wTxz=wTxz=wTx 其中，z为低维矩阵，x为...
复制链接

扫一扫