sklearn与机器学习系列专题之降维（四）一文弄懂SVD特征筛选&降维

1.SVD算法简介

SVD降维算法（Singular Value Decompositionm，SVD），即在矩阵论中常见的奇异值分解降维。通俗地讲，就是将一个线性变换分解为两个线性变换，一个线性变换代表旋转，一个线性变换代表拉伸。奇异值分解是在机器学习领域应用较为广泛的算法之一，也是学习机器学习算法绕不开的基石，可应用在特征分解、推荐系统、自然语言处理和计算机视觉等各个方面

2.枯燥又简洁的理论推导

SVD降维算法的理论推导让小编觉得很尴尬——学过《矩阵论》这门课的读者，可以直接把这一块儿的内容跳过，进入下一章节；没有学过《矩阵论》的读者，小编也很难像老师在课堂上那样把每一步的原理细细推导讲清楚。此处，还是再一次点亮标题——只作“简洁的理论推导”。

SVD的核心思想是将一个大矩阵转化为几个小矩阵的乘积，如下图所示。

其中，U、S和V分别为分解后的小矩阵，通常更关注S矩阵，S矩阵的每一个值都代表该位置的重要性指标，它与降维算法中的特征值和特征向量的关系类似。

其中n和m都是比较大的数值，代表原始数据；r是较小的数值，表示矩阵分解后的结果用较小的矩阵组合来近似代替。对于奇异值，与特征分解中的特征值类似，在奇异值矩阵中是按照从大到小排序，且奇异值减小得非常快，在大多数情况下，前10%甚至1%的奇异值的和就占了全部的奇异值之和的99%以上的比例。

由于r比n和m小很多，因此原本三个大矩阵(n×n)(n×m)(m×m)可以近似由三个较小的矩阵(n×r)(r×r)(r×m)表示，且原矩阵会在较大程度上保留信息。

由于这个重要的性质，SVD可以用于降维，来做数据压缩和去噪；也可以用于推荐算法，将用户和喜好对应的矩阵做特征分解，进而得到隐含的用户需求来做推荐。同时也可以用于NLP中的算法，比如潜在语义索引（LSI）。

3.SVD算法优缺点

优点：
1.原理和实现步骤都很简单；
2.可实现并行化。

缺点：

1.分解出的矩阵解释性不强，有“黑匣子”的味道；
2.每个基含有不同的鉴别信息和重构信息，且受原始数据的干扰较大。

4.python实战SVD（一）——用SVD算法降维

第一个实战项目，还是以降维开题——创建一个较小的矩阵，模拟用户对商品的评分降维。

import numpy as np 
class CSVD(object):
    '''
    实现svd分解降维应用示例的Python代码
    '''    
    def __init__(self, data):
        self.data = data       #用户数据
        self.S = []  #用户数据矩阵的奇异值序列 singular values
        self.U = []  #svd后的单位正交向量
        self.VT = []  #svd后的单位正交向量
        self.k = 0   #满足self.p的最小k值(k表示奇异值的个数)
        self.SD = [] #对角矩阵，对角线上元素是奇异值 singular values diagonal matrix        
    def _svd(self):
        '''
        用户数据矩阵的svd奇异值分解
        '''
        self.U, self.S, self.VT = np.linalg.svd(self.data)
        return self.U, self.S, self.VT        
    def _calc_k(self, percentge):
        '''确定k值：前k个奇异值的平方和占比 >=percentage, 求满足此条件的最小k值
        :param percentage, 奇异值平方和的占比的阈值
        :return 满足阈值percentage的最小k值
        '''
        self.k = 0
        #用户数据矩阵的奇异值序列的平方和
        total = sum(np.square(self.S))
        svss = 0 #奇异值平方和 singular values square sum
        for i in range(np.shape(self.S)[0]):
            svss += np.square(self.S[i])
            if (svss/total) >= percentge:
                self.k = i+1
                break
        return self.k

    def _buildSD(self, k):
        '''构建由奇异值组成的对角矩阵
        :param k,根据奇异值开放和的占比阈值计算出来的k值
        :return 由k个前奇异值组成的对角矩阵
        '''
        #方法1：用数组乘方法
        self.SD = np.eye(self.k) * self.S[:self.k] 
        #方法2：用自定义方法
        e = np.eye(self.k)
        for i in range(self.k):
            e[i,i] = self.S[i] 
        return self.SD

    def DimReduce(self, percentage):
        '''
        SVD降维
        :param percentage, 奇异值开方和的占比阈值
        :return 降维后的用户数据矩阵
        '''
        #Step1:svd奇异值分解
        self._svd()
        #Step2:计算k值
        self._calc_k(percentage)
        print('\n按照奇异值开方和占比阈值percentage=%d, 求得降维的k=%d'%(percentage, self.k))
        #Step3:构建由奇异值组成的对角矩阵singular values diagonal
        self._buildSD(self.k)
        k,U,SD,VT = self.k,self.U, self.SD, self.VT
        #Step4:按照svd分解公式对用户数据矩阵进行降维，得到降维压缩后的数据矩阵        
        a = U[:len(U), :k]
        b = np.dot(SD, VT[:k, :len(VT)])
        newData = np.dot(a,b)
        return newData
def CSVD_manual():
    ##训练数据集，用户对商品的评分矩阵，行为多个用户对单个商品的评分，列为用户对每个商品的评分
    data = np.array([[5, 5, 0, 5],
                     [5, 0, 3, 4],
                     [3, 4, 0, 3],
                     [0, 0, 5, 3],
                     [5, 4, 4, 5],
                     [5, 4, 5, 5]])
    percentage = 0.9
    svdor = CSVD(data)
    ret = svdor.DimReduce(percentage)
    print('====================================================')
    print('原始用户数据矩阵:\n', data)
    print('降维后的数据矩阵:\n', ret)
    print('====================================================')    
if __name__=='__main__':
    CSVD_manual()

运行程序，输出如下：

5.python实战SVD（二）——用SVD算法进行音乐推荐

近几年，随着各种短视频和音乐软件日渐火爆，以及各大厂之间的竞争日渐激烈。如何在短时间内让消费者对产品更加感兴趣，如何精准地分析用户心理和用户喜好度，一直是各个大厂孜孜不倦讨论和研究的热门话题。因此，在大厂算法工程师岗位中，日渐独立出一个新的岗位——推荐算法工程师。

借此机会，在这个降维的专题系列里，拓展降维算法的应用实例——应用SVD算法进行音乐推荐（选自《跟着迪哥学python》）。在程序中，首先构建评分矩阵，对其进行SVD分解，再选择待推荐用户，还原得到其对所有歌曲的估测评分值，最后排序，返回结果即可。

由于数据集比较大，且源代码较长，楼主双手奉上源程序和数据集的网盘，关注公众号“码点联盟”（文末有二维码），在后台回复“音乐推荐”即可自动获取网盘资源。

在SVD中所需的数据是用户对商品的打分，但在现在的数据集中，只有用户播放歌曲的情况，并没有实际的打分值，所以，在数据准备阶段，需要定义用户对每首歌曲的评分值。如果一个用户喜欢某首歌曲，他应该经常播放这首歌曲；相反，如果不喜欢某首歌曲，播放次数肯定比较少。

SVD的主体程序如下：

def compute_svd(urm, K):
    U, s, Vt = svds(urm, K)

    dim = (len(s), len(s))
    S = np.zeros(dim, dtype=np.float32)
    for i in range(0, len(s)):
        S[i,i] = mt.sqrt(s[i])

    U = csc_matrix(U, dtype=np.float32)
    S = csc_matrix(S, dtype=np.float32)
    Vt = csc_matrix(Vt, dtype=np.float32)

    return U, S, Vt

def compute_estimated_matrix(urm, U, S, Vt, uTest, K, test):
    rightTerm = S*Vt 
    max_recommendation = 250
    estimatedRatings = np.zeros(shape=(MAX_UID, MAX_PID), dtype=np.float16)
    recomendRatings = np.zeros(shape=(MAX_UID,max_recommendation ), dtype=np.float16)
    for userTest in uTest:
        prod = U[userTest, :]*rightTerm
        estimatedRatings[userTest, :] = prod.todense()
        recomendRatings[userTest, :] = (-estimatedRatings[userTest, :]).argsort()[:max_recommendation]
    return recomendRatings

最终得到的结果如下：

6.下篇预告

下一篇，额，小编还没想好，不过，还是以降维为专题。

敬请期待！

欢迎关注公众号“码点联盟”，不定期分享机器学习、深度学习干货，及各种资料大礼包！
另外，这是一个由一线互联网大厂算法工程师及双985研究生创建的公众号，后续会经常分享各类实用机器学习算法技术文章，欢迎交流讨论！