-
Notifications
You must be signed in to change notification settings - Fork 291
/
svd.md
111 lines (56 loc) · 10.9 KB
/
svd.md
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
# 奇异值分解\(SVD\)原理与在降维中的应用
---
奇异值分解\(Singular Value Decomposition，以下简称SVD\)是在机器学习领域广泛应用的算法，它不光可以用于降维算法中的特征分解，还可以用于推荐系统，以及自然语言处理等领域。是很多机器学习算法的基石。本文就对SVD的原理做一个总结，并讨论在在PCA降维算法中是如何运用运用SVD的。
# 1. 回顾特征值和特征向量
我们首先回顾下特征值和特征向量的定义如下：$$Ax=\lambda x$$
其中A是一个$$n \times n$$的矩阵，x是一个n维向量，则我们说$$\lambda$$是矩阵A的一个特征值，而x是矩阵A的特征值$$\lambda$$所对应的特征向量。
求出特征值和特征向量有什么好处呢？ 就是我们可以将矩阵A特征分解。如果我们求出了矩阵A的n个特征值$$\lambda_1 \leq \lambda_2 \leq ... \leq \lambda_n$$,以及这n个特征值所对应的特征向量$$\{w_1,w_2,...w_n\}$$，那么矩阵A就可以用下式的特征分解表示：$$A=W\Sigma W^{-1}$$
其中W是这n个特征向量所张成的$$n \times n$$维矩阵，而$$\Sigma$$为这n个特征值为主对角线的$$n \times n$$维矩阵。
一般我们会把W的这n个特征向量标准化，即满足$$||w_i||_2 =1$$, 或者说$$w_i^Tw_i =1$$，此时W的n个特征向量为标准正交基，满足$$W^TW=I$$，即$$W^T=W^{-1}$$, 也就是说W为酉矩阵。
这样我们的特征分解表达式可以写成$$A=W\Sigma W^T$$
注意到要进行特征分解，矩阵A必须为方阵。那么如果A不是方阵，即行和列不相同时，我们还可以对矩阵进行分解吗？答案是可以，此时我们的SVD登场了。
# 2. SVD的定义
SVD也是对矩阵进行分解，但是和特征分解不同，SVD并不要求要分解的矩阵为方阵。假设我们的矩阵A是一个$$m \times n$$的矩阵，那么我们定义矩阵A的SVD为：$$A = U\Sigma V^T$$
其中U是一个$$m \times m$$的矩阵，$$\Sigma$$是一个$$m \times n$$的矩阵，除了主对角线上的元素以外全为0，主对角线上的每个元素都称为奇异值，V是一个$$n \times n$$的矩阵。U和V都是酉矩阵，即满足$$U^TU=I, V^TV=I$$。下图可以很形象的看出上面SVD的定义：
那么我们如何求出SVD分解后的U, $$\Sigma$$, V这三个矩阵呢？
如果我们将A的转置和A做矩阵乘法，那么会得到$$n \times n$$的一个方阵$$A^TA$$。既然$$A^TA$$是方阵，那么我们就可以进行特征分解，得到的特征值和特征向量满足下式：$$(A^TA)v_i = \lambda_i v_i$$
这样我们就可以得到矩阵$$A^TA$$的n个特征值和对应的n个特征向量v了。将$$A^TA$$的所有特征向量张成一个$$n \times n$$的矩阵V，就是我们SVD公式里面的V矩阵了。一般我们将V中的每个特征向量叫做A的右奇异向量。
如果我们将A和A的转置做矩阵乘法，那么会得到$$m \times m$$的一个方阵$$AA^T$$。既然$$AA^T$$是方阵，那么我们就可以进行特征分解，得到的特征值和特征向量满足下式：$$(AA^T)u_i = \lambda_i u_i$$
这样我们就可以得到矩阵$$AA^T$$的m个特征值和对应的m个特征向量u了。将$$AA^T$$的所有特征向量张成一个$$m \times m$$的矩阵U，就是我们SVD公式里面的U矩阵了。一般我们将U中的每个特征向量叫做A的左奇异向量。
U和V我们都求出来了，现在就剩下奇异值矩阵$$\Sigma$$没有求出了。由于$$\Sigma$$除了对角线上是奇异值其他位置都是0，那我们只需要求出每个奇异值$$\sigma$$就可以了。
我们注意到:$$A=U\Sigma V^T \Rightarrow AV=U\Sigma V^TV \Rightarrow AV=U\Sigma \Rightarrow Av_i = \sigma_i u_i \Rightarrow \sigma_i = \frac {Av_i} {u_i}$$
这样我们可以求出我们的每个奇异值，进而求出奇异值矩阵$$\Sigma$$。
上面还有一个问题没有讲，就是我们说$$A^TA$$的特征向量组成的就是我们SVD中的V矩阵，而$$AA^T$$的特征向量组成的就是我们SVD中的U矩阵，这有什么根据吗？这个其实很容易证明，我们以V矩阵的证明为例。$$A=U\Sigma V^T \Rightarrow A^T=V\Sigma U^T \Rightarrow A^TA =V\Sigma U^TU\Sigma V^T = V\Sigma^2V^T$$
上式证明使用了:$$U^TU=I, \Sigma^T=\Sigma$$。可以看出$$A^TA$$的特征向量组成的的确就是我们SVD中的V矩阵。类似的方法可以得到$$AA^T$$的特征向量组成的就是我们SVD中的U矩阵。
进一步我们还可以看出我们的特征值矩阵等于奇异值矩阵的平方，也就是说特征值和奇异值满足如下关系：$$\sigma_i = \sqrt{\lambda_i}$$
这样也就是说，我们可以不用$$\sigma_i =\frac {Av_i}{u_i}$$来计算奇异值，也可以通过求出$$A^TA$$的特征值取平方根来求奇异值。
# 3. SVD计算举例
这里我们用一个简单的例子来说明矩阵是如何进行奇异值分解的。我们的矩阵A定义为：
$$\mathbf{A} = \left( \begin{array}{ccc} 0& 1\\ 1& 1\\ 1&0 \end{array} \right)$$
我们首先求出$$A^TA$$和$$AA^T$$
$$\mathbf{A^TA} = \left( \begin{array}{ccc} 0& 1 &1\\ 1&1&0 \end{array} \right) \left( \begin{array}{ccc} 0& 1\\ 1& 1\\ 1&0 \end{array} \right) = \left( \begin{array}{ccc} 2& 1 \\ 1&2 \end{array} \right)$$
$$\mathbf{AA^T} = \left( \begin{array}{ccc} 0& 1\\ 1& 1\\ 1&0 \end{array} \right) \left( \begin{array}{ccc} 0& 1 &1\\ 1&1&0 \end{array} \right) = \left(\begin{array}{ccc} 1& 1 &0\\1& 2 &1\\ 0& 1&1 \end{array} \right)$$
进而求出$$A^TA$$的特征值和特征向量：$$\lambda_1= 3; v_1 = \left( \begin{array}{ccc} \frac {1} {\sqrt{2}} \\ \frac {1} {\sqrt{2}}\end{array} \right); \lambda_2= 1; v_2 = \left( \begin{array}{ccc} \frac {-1}{\sqrt{2}} \\ \frac {1} {\sqrt{2}}\end{array} \right)$$
接着求$$AA^T$$的特征值和特征向量：
$$\lambda_1= 3; u_1 = \left( \begin{array}{ccc} \frac {1} {\sqrt{6}}\\ \frac {2} {\sqrt{6}} \\ \frac {1} {\sqrt{6}}\end{array} \right); \lambda_2= 1; u_2 = \left( \begin{array}{ccc} \frac {1} {\sqrt{2}} \\ 0 \\ \frac {-1} {\sqrt{2}}\end{array} \right); \lambda_3= 0; u_3 = \left( \begin{array}{ccc} \frac {1} {\sqrt{3}} \\ \frac {-1} {\sqrt{3}}\\ \frac {1} {\sqrt{3}}\end{array} \right)$$
利用$$Av_i = \sigma_i u_i, i=1,2$$求奇异值：
$$\left(\begin{array}{ccc} 0& 1\\1& 1\\ 1&0 \end{array} \right) \left( \begin{array}{ccc} \frac {1} {\sqrt{2}} \\ \frac {1}
{\sqrt{2}}\end{array} \right) = \sigma_1 \left( \begin{array}{ccc} \frac {1} {\sqrt{6}} \\\frac {2} {\sqrt{6}} \\ \frac {1} {\sqrt{6}}\end{array} \right)\Rightarrow \sigma_1=\sqrt{3}$$
$$\left( \begin{array}{ccc} 0& 1\\1& 1\\1&0 \end{array} \right) \left( \begin{array}{ccc} \frac {-1} {\sqrt{2}}\\ \frac {1} {\sqrt{2}} \end{array} \right) = \sigma_2 \left( \begin{array}{ccc} \frac {1} {\sqrt{2}} \\ 0 \\ \frac {-1} {\sqrt{2}}\end{array} \right)\Rightarrow \sigma_2=1$$
当然，我们也可以用$$\sigma_i = \sqrt{\lambda_i}$$直接求出奇异值为$$\sqrt{3}$$和1.
最终得到A的奇异值分解为：$$A=U\Sigma V^T = \left( \begin{array}{ccc} \frac {1} {\sqrt{6}} & \frac {1} {\sqrt{2}} & \frac {1} {\sqrt{3}}\\\frac {2} {\sqrt{6}} & 0 & \frac {-1} {\sqrt{3}}\\ \frac {1} {\sqrt{6}} & \frac {-1} {\sqrt{2}} & \frac {1} {\sqrt{3}}\end{array} \right) \left( \begin{array}{ccc} \sqrt{3} & 0 \\ 0 & 1\\ 0 & 0 \end{array} \right) \left( \begin{array}{ccc} \frac {1} {\sqrt{2}}& \frac {1} {\sqrt{2}}\\ \frac {-1} {\sqrt{2}}& \frac {1} {\sqrt{2}}\end{array} \right)$$
# 4. SVD的一些性质
上面几节我们对SVD的定义和计算做了详细的描述，似乎看不出我们费这么大的力气做SVD有什么好处。那么SVD有什么重要的性质值得我们注意呢？
对于奇异值,它跟我们特征分解中的特征值类似，在奇异值矩阵中也是按照从大到小排列，而且奇异值的减少特别的快，在很多情况下，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。也就是说，我们也可以用最大的k个的奇异值和对应的左右奇异向量来近似描述矩阵。也就是说：$$A_{m \times n} = U_{m \times m}\Sigma_{m \times n} V^T_{n \times n} \approx U_{m \times k}\Sigma_{k \times k}V^T_{k \times n}$$
其中k要比n小很多，也就是一个大的矩阵A可以用三个小的矩阵$$U_{m \times k},\Sigma_{k \times k} ,V^T_{k \times n}$$来表示。如下图所示，现在我们的矩阵A只需要灰色的部分的三个小矩阵就可以近似描述了。
由于这个重要的性质，SVD可以用于PCA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）。下面我们就对SVD用于PCA降维做一个介绍。
# 5. SVD用于PCA
在[主成分分析（PCA）原理总结](/ml/clean-feature/pca.md)中，我们讲到要用PCA降维，需要找到样本协方差矩阵$$X^TX$$的最大的d个特征向量，然后用这最大的d个特征向量张成的矩阵来做低维投影降维。可以看出，在这个过程中需要先求出协方差矩阵$$X^TX$$，当样本数多样本特征数也多的时候，这个计算量是很大的。
注意到我们的SVD也可以得到协方差矩阵$$X^TX$$最大的d个特征向量张成的矩阵，但是SVD有个好处，有一些SVD的实现算法可以不求先求出协方差矩阵$$X^TX$$，也能求出我们的右奇异矩阵V。也就是说，我们的PCA算法可以不用做特征分解，而是做SVD来完成。这个方法在样本量很大的时候很有效。实际上，scikit-learn的PCA算法的背后真正的实现就是用的SVD，而不是我们我们认为的暴力特征分解。
另一方面，注意到PCA仅仅使用了我们SVD的右奇异矩阵，没有使用左奇异矩阵，那么左奇异矩阵有什么用呢？
假设我们的样本是$$m \times n$$的矩阵X，如果我们通过SVD找到了矩阵$$XX^T$$最大的d个特征向量张成的$$m\times d$$维矩阵U，则我们如果进行如下处理：$$X'_{d\times n} = U_{d \times m}^TX_{m \times n}$$
可以得到一个$$d \times n$$的矩阵X‘,这个矩阵和我们原来的$$m\times n$$维样本矩阵X相比，行数从m减到了k，可见对行数进行了压缩。也就是说，左奇异矩阵可以用于行数的压缩。相对的，右奇异矩阵可以用于列数即特征维度的压缩，也就是我们的PCA降维。
# 6. SVD小结
SVD作为一个很基本的算法，在很多机器学习算法中都有它的身影，特别是在现在的大数据时代，由于SVD可以实现并行化，因此更是大展身手。SVD的原理不难，只要有基本的线性代数知识就可以理解，实现也很简单因此值得仔细的研究。当然，SVD的缺点是分解出的矩阵解释性往往不强，有点黑盒子的味道，不过这不影响它的使用。