动机

在机器学习领域中,我们常常会遇到维数很高的数据,有些数据的特征维度高达上百万维,很显然这样的数据是无法直接计算的,而且维度这么高,其中包含的信息一定有冗余,这时就需要进行降维,总的来说,我们降维的主要目的有如下几条:

  1. 在原始的高维空间中,包含有冗余信息以及噪音信息,在实际应用例如图像识别中造成了误差,降低了准确率;而通过降维,我们希望减少冗余信息所造成的误差,提高识别(或其他应用)的精度。
  2. 希望通过降维算法来寻找数据内部的本质结构特征。
  3. 通过降维来加速后续计算的速度
  4. 还有其他很多目的,如解决数据的sparse问题

而比较常用的一种降维方法就是PCA(主成分分析).

PCA思路

降维的过程其实可以看成是一种映射的过程,把在高维空间中的点投影到低维空间中,在这个投影的过程中,我们应当尽量使得信息最大程度的保留。那么,我们应该如何来度量包含信息的多少呢?一种比较常见的方法就是用方差(Variance)来衡量。这在直观上很容易理解,对于数据的一个维度来说,如果这个维度上的数据具有很大的方差,说明这个维度对于数据来说有很大的差异性,其中包含了更多的信息。

另外,如果两个维度之间是无关的,那么这两个维度所包含的信息是没有"重叠"部分的,这种情况包含的信息是最多的;反过来说,如果两个维度是高度相关的,从一个维度就能推出另外一个维度,那么很显然,这两个相关的维度其实最多只包含了一个维度的信息,这就造成了冗余。那么,我们又应该用什么来衡量两个维度之间的相似程度呢?在数学上,我们可以使用协方差(Covariance)来衡量两个随机变亮之间的相似程度,因此我们可以利用协方差来衡量维度之间的相似程度。协方差为0时,说明两个随机变量是完全无关的。

因此,PCA的基本思想是这样的:

将高维空间中的点投影(线性映射)到某个低维空间中间,使得投影之后的点:

  1. 每一个维度内部的方差尽量大.
  2. 维度之间的协方差为0,也即每一个维度两两正交。

假设我们现在有\(m\times n\)的数据\(X\),其中\(m\)表示数据的大小,\(n\)表示维度的大小。

对于维度\(j\)来说,它的方差为:

$$ \begin{aligned} Var_j &= \frac{1}{m}\sum\limits_{i=1}^m(X_{ij}-\mu_j)^2 \\ \mu_j &= \frac{1}{m}\sum\limits_{i=1}^mX_{ij} \end{aligned} $$

上式中的\(\mu_j\)其实是维度\(j\)的均值.

对于维度\(p\),\(q\)来说,他们之间的协方差为:

$$ \begin{equation} Cov_{pq} = \frac{1}{m}\sum\limits_{i=1}^m(X_{ip}-\mu_p)(X_{iq}-\mu_q) \end{equation} $$

上式中的\(\mu_p,\mu_q\)其实是维度\(q,q\)的均值.

如果光看上述的式子,也许会觉得计算\(X\)的 每一个维度的方差和协方差是非常麻烦的,其实不然,我们可以利用矩阵运算来简化我们的计算过程。

首先,我们注意到不管在计算方差还是协方差的时候,我们都需要计算\(\mu_j\),因此,我们可以先对\(X\)进行如下的处理:

计算每一个维度的均值\(\mu_j\),然后将每个维度上的值减去这个均值,这样就使得每个维度上的均值都变成了0.也即令\(X_{ij}=X_{ij} - \mu_j\).

经过这样处理之后,原来的方差和协方差就可以表示为:

$$ \begin{aligned} Var_j &= \frac{1}{m}\sum\limits_{i=1}^m X_{ij}^{2} \\ Cov_{pq} &= \frac{1}{m}\sum\limits_{i=1}^m X_{ip}X_{iq} \end{aligned} $$

这看起来还是比较繁琐,但是,事实上,根据矩阵乘法运算的规则,我们可以得到如下的等式:

$$ \begin{equation} X^{T}X= \begin{bmatrix} \sum\limits_{i=1}^m X_{i1}^{2} & \dots & \sum\limits_{i=1}^m X_{i1}X_{in}\ \\ \vdots & \ddots & \vdots \\ \sum\limits_{i=1}^m X_{in}X_{i1} & \dots & \sum\limits_{i=1}^m X_n^2 \end{bmatrix} \end{equation} $$

可以看到,其实\(\frac{1}{m}X^T X\)是一个对称矩阵,其对角线上的元素就是我们的方差,而其他元素就是对应维度之间的协方差!

这看来,计算方差和协方差是非常容易的!

\(C=\frac{1}{m}X^{T}X\),则\(C\)就称为\(X\)的协方差矩阵。

我们需要进一步具体化我们的优化目标,令\(Y\)表示经过映射之后的数据,则\(Y=XP\),假设\(D\)\(Y\)的协方差矩阵,那么我们有如下的推导:

$$ \begin{aligned} D &= \frac{1}{m}Y^t Y \\ &= \frac{1}{m}(XP)^T(XP)\\ &= \frac{1}{m} P^TX^TXP \\ &= P^T(\frac{1}{m}X^T X)P\\ &= P^T C P \end{aligned} $$

也就是说,我们的目标可以变得非常具体了:想要找到这样一个矩阵\(P\),使得\(P^T C P\)是一个对角矩阵,其对角线元素从大到小一次排列,并且除了对角线以外的其他元素均为0.

从大到小排列是因为方便选取方差较大的维度,对角线以外的元素为0表示新数据的各个维度之间是相互无关的。

现在,我们的问题就是如何使得协方差矩阵\(C\)对角化,这在数学上其实早就已经有了成熟的方法,在矩阵论中,有这样的结论: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.

\(n\times n\)的实对称矩阵有特征向量\(e_1,e_2,\cdots,e_n\),将其组成矩阵\(E=(e_1,e_2,\cdots,e_n)\)

则对于\(C\)来说,有如下的结论:

$$ \begin{equation} E^TC E = \Lambda = \begin{bmatrix} \lambda_1 & & & \\ & \lambda_2 & & \\ & & \ddots & \\ & & & \lambda_n \\ \end{bmatrix} \end{equation} $$

其中\(\Lambda\)是一个对角矩阵,其对角元素是个特征向量对应的特征值。

到了这里,我们就可以发现,我们想要寻找的\(P\)其实就是\(E\)

算法过程

根据上面的分析,我们就能够得出计算PCA时的几个步骤:

假设原始数据是\(X_{m\times n}\),其中\(m\)表示数据大小,\(n\)表示维度大小。

  1. \(X\)中的数据进行零均值化,即每一列都减去其均值。
  2. 计算协方差矩阵\(C=\frac{1}{m}X^T X\)
  3. 求出\(C\)的特征值和特征向量
  4. 将特征向量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
  5. \(Y=XP\)就是降维到k维后的数据。

参考资料

Share on: TwitterFacebookEmail


Flyaway is the owner of this blog.
Comments

So what do you think? Did I miss something? Is any part unclear? Leave your comments below

comments powered by Disqus

Published

Category

machine-learning

Tags

Contact