奇异值分解(SVD)原理与在降维中的应用

转载:刘建平Pinard


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:

A x = λ x Ax=\lambda x Ax=λx

 其中A是一个 n × n n×n n×n 的实对称矩阵,x是一个n维向量,则我们说λ是矩阵A的一个特征值,而x是矩阵A的特征值λ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 n n个特征值 λ 1 ≤ λ 2 ≤ . . . . . ≤ λ n \lambda _{1}\leq \lambda _{2}\leq.....\leq \lambda _{n} λ1λ2.....λn,以及这n个特征值所对应的特征向量 { ω 1 , ω 2 , . . . . , ω n } \left \{ \omega _{1},\omega _{2},....,\omega _{n} \right \} {ω1,ω2,....,ωn},如果这 n n n个特征向量线性无关,那么矩阵A就可以用下式的特征分解表示:
A = W Σ W − 1 A=W\Sigma W^{-1} A=WΣW1

 其中W是这 n n n个特征向量所张成的 n × n n×n n×n维矩阵,而Σ为这n个特征值为主对角线的 n × n n×n n×n维矩阵。
 
 一般我们会把W的这 n n n个特征向量标准化,即满足 ∥ w i ∥ 2 = 1 \left \|w_{i} \right \|_{2}=1 wi2=1, 或者说 w i T w i = 1 w_{i}^{T} w_{i}=1 wiTwi=1,此时W的 n n n个特征向量为标准正交基,满足 W T W = I W^{T} W=I WTW=I,即 W T = W − 1 W^{T} = W^{-1} WT=W1, 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 Σ W T A=W\Sigma W^{T} A=WΣWT

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 × n m×n m×n 的矩阵,那么我们定义矩阵A的SVD为:

A = U Σ V T A=U\Sigma V^{T} A=UΣVT

其中 U U U 是一个 m × m m×m m×m 的矩阵, Σ \Sigma Σ 是一个 m × n m×n m×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 V V 是一个 n × n n×n n×n 的矩阵。U和V都是酉矩阵,即满足 U T U = I U^{T} U=I UTU=I, V T V = I V^{T} V=I VTV=I。下图可以很形象的看出上面SVD的定义:
奇异值分解(SVD)原理与在降维中的应用_第1张图片

那么我们如何求出SVD分解后的 U , Σ , V U,Σ,V U,Σ,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×n的一个方阵 A T A A^{T} A ATA。既然 A T A A^{T} A ATA 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 T A ) v i = λ v i (A^{T} A)v_i = \lambda v_i (ATA)vi=λvi

这样我们就可以得到矩阵 A T A A^{T} A ATA 的n个特征值和对应的n个特征向量 v v v 了。将 A T A A^{T} A ATA 的所有特征向量张成一个 n × n n×n n×n 的矩阵 V V V ,就是我们SVD公式里面的 V V V矩阵了。一般我们将 V V V 中的每个特征向量叫做 A A A 的右奇异向量。

如果我们将 A A A A A A 的转置做矩阵乘法,那么会得到 m × m m×m m×m 的一个方阵 A T A A^{T} A ATA 。既然 A T A A^{T} A ATA 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 T A ) u i = λ u i (A^{T} A)u_i = \lambda u_i (ATA)ui=λui

这样我们就可以得到矩阵 A T A A^{T} A ATA 的m个特征值和对应的m个特征向量 u u u 了。将 A T A A^{T} A ATA 的所有特征向量张成一个 m × m m×m m×m 的矩阵 U U U ,就是我们SVD公式里面的 U U U 矩阵了。一般我们将 U U U 中的每个特征向量叫做 A A A 的左奇异向量。

U U U V V V我们都求出来了,现在就剩下奇异值矩阵 Σ \Sigma Σ 没有求出了。由于 Σ \Sigma Σ 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 σ \sigma σ 就可以了。

我们注意到:

A = U Σ V T → A V = U Σ V T V → A V = U Σ → A v i = σ i u i → σ i = A v i / u i 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=Av_i/u_i A=UΣVTAV=UΣVTVAV=UΣAvi=σiuiσi=Avi/ui

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 Σ \Sigma Σ

上面还有一个问题没有讲,就是我们说 A T A A^{T} A ATA 的特征向量组成的就是我们SVD中的 V V V 矩阵,而 A A T AA^{T} AAT的特征向量组成的就是我们SVD中的 U U 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 Σ V T → A T = V Σ T U T → A T A = V Σ T U T U Σ V T = V Σ 2 V T A = U\Sigma V^T\rightarrow A^{T} = V\Sigma^{T} U^T \rightarrow A^TA = V\Sigma^TU^TU\Sigma V^T =V\Sigma^2V^T A=UΣVTAT=VΣTUTATA=VΣTUTUΣVT=VΣ2VT

上式证明使用了: U T U = 1 U^{T} U=1 UTU=1, Σ T Σ = Σ 2 \Sigma ^{T}\Sigma = \Sigma ^{2} ΣTΣ=Σ2。可以看出 A T A A^{T} A ATA 的特征向量组成的的确就是我们SVD中的 V V V 矩阵。类似的方法可以得到 A A T AA^{T} AAT的特征向量组成的就是我们SVD中的 U U 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:

σ i = λ i \sigma_i =\sqrt{\lambda_i} σi=λi

这样也就是说,我们可以不用 σ = A v i / u i \sigma=Av_i/u_i σ=Avi/ui来计算奇异值,也可以通过求出 A T A A^{T} A ATA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:

A = ( 0 1 1 1 1 0 ) A={\begin{pmatrix} 0&1 \\ 1&1 \\ 1&0 \end{pmatrix}} A=011110

我们首先求出 A T A A^TA ATA A A T AA^T AAT
A T A = ( 0 1 1 1 1 0 ) ( 0 1 1 1 1 0 ) = ( 2 1 1 2 ) A^TA={\begin{pmatrix} 0&1&1 \\ 1&1&0\\ \end{pmatrix}}{\begin{pmatrix} 0&1 \\ 1&1\\ 1&0 \end{pmatrix}}={\begin{pmatrix} 2&1\\ 1&2\\ \end{pmatrix}} ATA=(011110)011110=(2112)
A A T = ( 0 1 1 1 1 0 ) ( 0 1 1 1 1 0 ) = ( 1 1 0 1 2 1 0 1 1 ) AA^T ={\begin{pmatrix} 0&1 \\ 1&1\\ 1&0 \end{pmatrix}}{\begin{pmatrix} 0&1&1 \\ 1&1&0\\ \end{pmatrix}}={\begin{pmatrix} 1&1&0 \\ 1&2&1\\ 0&1&1 \end{pmatrix}} AAT=011110(011110)=110121011

进而求出 A T A A^TA ATA 的特征值和特征向量:
λ 1 = 3 ; v 1 = ( 1 / 2 1 / 2 ) ; λ 2 = 1 ; v 2 = ( − 1 / 2 1 / 2 ) \lambda_1=3 ;v_1={\begin{pmatrix} 1/\sqrt{2}\\ 1/\sqrt{2}\\ \end{pmatrix}};\lambda_2=1;v_2={\begin{pmatrix} -1/\sqrt{2}\\ 1/\sqrt{2}\\ \end{pmatrix}} λ1=3;v1=(1/2 1/2 );λ2=1;v2=(1/2 1/2 )

接着求 A A T AA^T AAT 的特征值和特征向量:
λ 1 = 3 ; u 1 = ( 1 / 6 2 / 6 1 / 6 ) ; λ 2 = 1 ; u 2 = ( − 1 / 2 0 1 / 2 ) ; λ 3 = 0 ; u 3 = ( 1 / 3 − 1 / 3 1 / 3 ) \lambda_1=3 ;u_1={\begin{pmatrix} 1/\sqrt{6}\\ 2/\sqrt{6}\\ 1/\sqrt{6} \end{pmatrix}};\lambda_2=1;u_2={\begin{pmatrix} -1/\sqrt{2}\\ 0\\ 1/\sqrt{2}\\ \end{pmatrix}};\lambda_3=0;u_3={\begin{pmatrix} 1/\sqrt{3}\\ -1/\sqrt{3}\\ 1/\sqrt{3}\\ \end{pmatrix}} λ1=3;u1=1/6 2/6 1/6 ;λ2=1;u2=1/2 01/2 ;λ3=0;u3=1/3 1/3 1/3

利用 A v i = σ i u i , i = 1 , 2 Av_i=\sigma_iu_i,i=1,2 Avi=σiui,i=1,2求奇异值:
( 0 1 1 1 1 0 ) ( 1 / 2 1 / 2 ) = σ 1 ( 1 / 6 2 / 6 1 / 6 ) → σ 1 = 3 {\begin{pmatrix} 0&1 \\ 1&1\\ 1&0 \end{pmatrix}}{\begin{pmatrix} 1/\sqrt{2} \\ 1/\sqrt{2}\\ \end{pmatrix}}=\sigma_1{\begin{pmatrix} 1/\sqrt{6}\\ 2/\sqrt{6}\\ 1/\sqrt{6} \end{pmatrix}} \rightarrow\sigma_1=\sqrt{3} 011110(1/2 1/2 )=σ11/6 2/6 1/6 σ1=3
( 0 1 1 1 1 0 ) ( − 1 / 2 1 / 2 ) = σ 2 ( 1 / 2 0 − 1 / 2 ) → σ 2 = 1 {\begin{pmatrix} 0&1 \\ 1&1\\ 1&0 \end{pmatrix}}{\begin{pmatrix} -1/\sqrt{2} \\ 1/\sqrt{2}\\ \end{pmatrix}}=\sigma_2{\begin{pmatrix} 1/\sqrt{2}\\ 0\\ -1/\sqrt{2} \end{pmatrix}} \rightarrow\sigma_2=1 011110(1/2 1/2 )=σ21/2 01/2 σ2=1

当然,我们也可以用 σ i = λ i \sigma_i=\sqrt{\lambda_i} σi=λi 直接求出奇异值为 3 \sqrt{3} 3 和1.

最终得到A的奇异值分解为:

A = U Σ V T = ( 1 / 6 1 / 2 1 / 3 2 / 6 0 − 1 / 3 1 / 6 − 1 / 2 1 / 3 ) ( 3 0 0 1 0 0 ) ( 1 / 2 1 / 2 − 1 / 2 1 / 2 ) A=U\Sigma V^T=\begin{pmatrix} 1/\sqrt{6} & 1/\sqrt{2} & 1/\sqrt{3} \\ 2/\sqrt{6}& 0 & -1/\sqrt{3}\\ 1/\sqrt{6}& -1/\sqrt{2}& 1/\sqrt{3} \end{pmatrix}\begin{pmatrix} \sqrt{3} &0 \\ 0&1 \\ 0&0 \end{pmatrix}\begin{pmatrix} 1/\sqrt{2} & 1/\sqrt{2}\\ -1/\sqrt{2}& 1/\sqrt{2} \end{pmatrix} A=UΣVT=1/6 2/6 1/6 1/2 01/2 1/3 1/3 1/3 3 00010(1/2 1/2 1/2 1/2 )

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 ∗ n = U m ∗ m Σ m ∗ n V n ∗ n T ≈ U m ∗ k Σ k ∗ k V k ∗ n T A _{m*n} = U_{m*m}\Sigma_{m*n}V^T_{n*n} \approx U_{m*k}\Sigma_{k*k}V^T_{k*n} Amn=UmmΣmnVnnTUmkΣkkVknT

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 ∗ k , Σ k ∗ k , V k ∗ n T U_{m*k},\Sigma_{k*k},V^T_{k*n} Umk,Σkk,VknT 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。
奇异值分解(SVD)原理与在降维中的应用_第2张图片

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)原理总结中,我们讲到要用PCA降维,需要找到样本协方差矩阵 X T X X^TX XTX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 T X X^TX XTX,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 T X X^TX XTX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 T X X^TX XTX,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×n的矩阵X,如果我们通过SVD找到了矩阵 X X T XX^T XXT最大的d个特征向量张成的 m × d m×d m×d 维矩阵 U U U ,则我们如果进行如下处理:

X d ∗ n ′ = U d ∗ m T X m ∗ n X^′_{d*n}=U^T_{d*m}X_{m*n} Xdn=UdmTXmn

    可以得到一个 d × n d×n d×n 的矩阵 X ′ X^′ X,这个矩阵和我们原来的 m × n m×n m×n 维样本矩阵X相比,行数从m减到了d,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。

你可能感兴趣的:(学习笔记)