拉普拉斯矩阵是个非常巧妙的东西,它是描述图的一种矩阵,在降维,分类,聚类等机器学习的领域有很广泛的应用。
什么是拉普拉斯矩阵
拉普拉斯矩阵
先说一下什么是拉普拉斯矩阵,英文名为Laplacian matrix,其具体形式得先从图说起,假设有个无向图如下所示,
其各个点之间的都有相应的边连接,我们用某个指标(这地方可以任意选择,比如欧氏距离、测地距离、或者高斯相似度等)来衡量两个点的相似度,表示为 W=∑wij ,没有边连接的其相似度自然为零, W 是个对称矩阵;某个点的与所有点的相似度之和,表示为
拉普拉斯矩阵的性质
性质:
(1) L 是半正定矩阵。
(2)
(3)对 Lf=λDf 有 m 个非负实特征值,
(4)对于任意一个属于实向量 f∈Rm ,都有此公式成立:
fTLf=12∑mi,j=1wij(fi−fj)2
它又有什么用处呢?跟目标是有关系的,哈哈~
证明如下: f 为
fTLf=fTDf−fTWf
=fT∗dig(d)∗f−fTWf
=∑mi=1dif2i−∑mj=1[∑i=1fj∗wij]fj