矩阵分解SVD和NMF

矩阵的秩

对于一个$M\times N$的矩阵A，其秩R(A)为线性无关的行向量（列向量）的数量。在空间中，秩表示矩阵的行向量或列向量所张成的空间的维度。
比如有矩阵并化为行最简矩阵：$$\left[\begin{array}{cccc}1& 2& 1& -2\\ 2& 3& 0& -1\\ 1& -1& -5& 7\end{array}\right]\sim \left[\begin{array}{cccc}1& 0& -3& 4\\ 0& 1& 2& -3\\ 0& 0& 0& 0\end{array}\right]$$
所以上述的矩阵秩为2，表示矩阵中的所有向量都可以由$\left[\begin{array}{c}1\\ 0\\ 0\end{array}\right]$和$\left[\begin{array}{c}0\\ 1\\ 0\end{array}\right]$线性表示，相当于矩阵张成了二维的空间。
对于$$\left[\begin{array}{cccc}1& 1& 0& 2\\ -1& -1& 0& -2\end{array}\right]$$，按行看，行向量在4维空间中关于原点对称；从列来看，列向量在2维空间中4个点位于同一条直线。所以该矩阵只张成了一个1维的空间，所以秩为1，列向量都可以由$\left[\begin{array}{c}1\\ -1\end{array}\right]$线性表示。
(1)行秩等于列秩，所以矩阵的秩不会超过行向量或列向量的行数和列数，所以有关系：$$R(A)\le \min (M,N)$$
(2)$R(AB)\le \min (R(A),R(B))$
两个不同秩的矩阵相乘，得到的矩阵的秩不会超过两者秩的最小值。
比如：$$\left[\begin{array}{cc}1& 0\\ 0& 0\end{array}\right]\left[\begin{array}{ccc}1& 0& 0\\ 0& 1& 0\end{array}\right]=\left[\begin{array}{ccc}1& 0& 0\\ 0& 0& 0\end{array}\right]$$
因为多余的维度会被乘0而消失，当然秩也不一定会等于$\min (R(A),R(B))$，因为可能相乘的时候有数的位置不一定对应有数的位置，导致都变为0，使得秩下降。

特征值和奇异值

参考链接：https://blog.csdn.net/qq_36653505/article/details/82052593
特征值： 针对的是$n$阶方阵。设A是n阶方阵，如果存在 λ 和n维非零向量x，使 $Ax=\lambda x$，则 λ 称为方阵A的一个特征值，x为方阵A对应于或属于特征值 λ 的一个特征向量。从定义上来看，对特征向量$x$进行$A$变换实质上是对$x$进行缩放，缩放因子为$\lambda$，所以$x$的方向也不变。一个变换方阵的所有特征向量组成了这个变换矩阵的一组基。N个特征向量就是N个标准正交基，而特征值的模则代表矩阵在每个基上的投影长度（$||A||\cos <A,x>=\frac{Ax}{||x||}=Ax$）。特征值越大，说明矩阵在对应的特征向量上的方差越大，功率越大，信息量越多。特征值分解可以得到特征值与特征向量，特征值表示的是这个特征到底有多重要，而特征向量表示这个特征是什么，所有向量组内的其他的向量都可以由特征向量线性组合得到。
奇异值：
特征值及特征值分解都是针对方阵而言，但是大多数矩阵都不是方阵，奇异值相当于方阵中的特征值，奇异值分解相当于方阵中的特征值分解。此时将$A$与其转置相乘$A^{T}A$将会得到一个方阵，再求特征值。

SVD分解

MIT公开课视频：http://open.163.com/movie/2010/11/1/G/M6V0BQC4M_M6V2B5R1G.html
参考博客：https://blog.csdn.net/u010099080/article/details/68060274
SVD(singular value decompsition),描述：
输入：矩阵$D_{M\times N}=({\mathbf{x}}_1,{\mathbf{x}}_2,...,{\mathbf{x}}_{\mathbf{n}}),{\mathbf{x}}_{\mathbf{i}}\in {\mathrm{R}}^{\mathrm{M}}$
$$D=\sum _{k=1}^p{\sigma }_k{\mathbf{u}}_{\mathbf{k}}{\mathbf{v}}_{\mathbf{k}}^{\mathbf{T}}={\mathrm{U}}_{\mathrm{M}\times \mathrm{M}}{\mathrm{\Sigma }}_{\mathrm{M}\times \mathrm{N}}{\mathrm{V}}_{\mathrm{N}\times \mathrm{N}}^{\mathrm{T}}$$
其中$\Sigma$为对角矩阵，对角线上的值为矩阵$D_{M\times N}$特征值的平方根(eigenvalues)，也就是奇异值（singular values），表示此维度的方差。${\mathbf{u}}_{\mathbf{k}}和{\mathbf{v}}_{\mathbf{k}}^{\mathbf{T}}$为${\sigma }_k$对应的左奇异向量（left-singular vectors）和右奇异向量（left-singular vectors）。其中$U和V$均为正交阵（列向量都是单位向量且两两正交（垂直））。
SVD的求解：
$U$的列由 $A{A}^T$ 的单位化过的特征向量构成
$V$的列由 $A^{T}A$ 的单位化过的特征向量构成
$\Sigma$的对角元素来源于$A{A}^T$ 和$A^{T}A$ 的平方根，从大到小排序选取$\min (M,N)$个特征值的平方根作为对角线。。
对于矩阵$D=\left[\begin{array}{cc}2& 4\\ 1& 3\\ 0& 0\\ 0& 0\end{array}\right]$,对应的SVD分解为：

python实现：

import numpy as np
A = np.array([[2, 4], [1, 3], [0, 0], [0, 0]])
print(np.linalg.svd(A))

左特征向量$U$的意义：
$U$的每一列对应一个方向（成分），不同列对应的方向相互垂直。
将$\Sigma$中的特征值从大到小排序，同时$U(和V)$中的列${\mathbf{u}}_{\mathbf{k}}(和行{\mathbf{v}}_{\mathbf{k}})$也会相应调整。其中${\mathbf{u}}_1$代表方差最大的方向，${\mathbf{u}}_2$代表与${\mathbf{u}}_1$垂直的方差最大的方向，${\mathbf{u}}_3$代表与${\mathbf{u}}_1$和${\mathbf{u}}_2$垂直的方差最大的方向。

以词项-文档关联矩阵为例，矩阵D：每一个文档由所有的M个单词进行表示，每一个维度表示此单词是否在文档中出现。

${\mathbf{u}}_{\mathbf{i}}$为M维向量，M维中的每一维表示一个单词。${\mathbf{u}}_1,{\mathbf{u}}_2,...,{\mathbf{u}}_{\mathbf{R}}$组成了一个R维的空间，所有单词在坐标系上张成了一个空间，${\mathbf{u}}_1$表示方差最大的方向。
右特征向量$\mathbf{V}$意义：
从另一种角度看矩阵D，每一个单词可由N个文档表示，每一个维度表示是否出现该单词。${\mathbf{v}}_{\mathbf{i}}$为N维向量，N维中的每个维度表示一个文档。${\mathbf{v}}_1$表示所有文档向量张成的空间中，方差最大的方向。

LSI:SVD在文本数据上的应用

LSI(latent semantic indexing)隐性语义索引，是常用的文本分析话题模型。SVD分解后的$K$为话题数目。假设词项-文档矩阵为如下：

为了简单起见，采用布尔矩阵，一般可使用td-idf值。
矩阵$U$:

列向量给出的是不同的主题，比如政治，体育，经济等。$u_{ij}$表示词项$i$和第$j$个主题的相关度。
奇异值矩阵：

奇异值度量的是主题的重要性。可以通过舍弃较小的奇异值从而删去重要性较小的语义，达到降维的目的。
矩阵$V$

行向量给出的是不同的主题。$v_{ij}$表示文档$i$和第$j$个主题的相关度。
将主题压缩到2维，$C_2=U{\Sigma }_2{V}^T$。然后比较$C$和$C_2$.

由$C\Rightarrow C2$,矩阵的秩由5变为2，所以$C_2$看作是$C$的低秩近似。在原始的$C$中，'boat’和‘ship’没有余弦相似度，在$C_2$中，'boat’和‘ship’具有较高的相似度。低秩近似后，重要主题信息被保留，一些枝节信息被删除。枝节信息可能是噪声，也可能是使得本来应该相似的对象不相似的细节信息。比如鲜红的花朵和红黑的花朵，把颜色信息去掉后更容易看到相似性。
优点： 数学优美，有效
缺点： 低秩矩阵和$U$和$V$中有负值，不好理解；特征向量两两正交，计算难度大。

NMF矩阵分解(nonnegative matrix factorization)

$$V\approx W{H}^T$$
其中原始矩阵$V$的值非负，输出矩阵的$W$和$H$的值也是非负的，且不再要求是非负矩阵。求解$WH$的欧式距离优化目标为：
$$\begin{gathered} \underset{W,H}{\max }\frac{1}{2}||V-W{H}^T|{|}_2^2=\sum _{i=1}^m\sum _{j=1}^n(V_{ij}-{\mathbf{w}}_i{\mathbf{h}}_j{)}^2 \\ s.b.W_{ik}\ge 0,H_{kj}\ge 0,\forall i,k,j \end{gathered}$$
上述目标函数是非凸的，无全局最优解。有2个未知数，进行交替优化，在固定$W$(或$H$)后，目标函数对$H$(或$W$)是凸函数。所以采用如下的优化策略：(1)随机对$W$赋值。(2)固定$W$,最优化$H$。(3)固定$H$,最优化$W$。(4)重复(2)(3)，直至收敛。
采用梯度下降优化：
$$\begin{gathered} w_{ik}\leftarrow w_{ik}-{\mu }_{ik}\frac{\partial J}{\partial w_{ik}}=w_{ik}-{\mu }_{ik}[-(V-WH)H^T{]}_{ik} \\ {h}_{kj}\leftarrow h_{kj}-{\eta }_{kj}\frac{\partial J}{\partial h_{kj}}=h_{kj}-{\eta }_{kj}[-W^T(V-WH){]}_{kj} \end{gathered}$$
直接使用梯度下降，不能保证非负，通过修改学习率将梯度下降变为乘法算法。令：
$${\mu }_{ik}=\frac{w_{ik}}{[WH{H}^T{]}_{ik}},{\eta }_{kj}=\frac{h_{kj}}{[W^{T}WH{]}_{kj}}$$
梯度下降变为乘法算法：
$$\begin{gathered} w_{ik}\leftarrow w_{ik}\frac{[V{H}^T{]}_{ik}}{[WH{H}^T{]}_{ik}} \\ {h}_{kj}\leftarrow h_{kj}\frac{[W^{T}V{]}_{kj}}{[W^{T}WH{]}_{kj}} \end{gathered}$$
此时每一次迭代，只要$W$和$H$为非负，迭代之后的$W$和$H$也为非负。最终得到的$W$和$H$为非负。

NMF用于词项-文档主题模型

对于词项文档矩阵$V_{i\times j}$，通常的值为td-idf。将其分解后，分别为$W_{i\times k}$和$H_{k\times j}$，其中$k$为隐含的主题数目。$W_{ik}$表示第$i$个词与第$k$个主题的相关度，$H_{kj}$表示第$k$个主题与第$j$个文档的相关度

import numpy as np
V = np.array(
    [[5, 5, 3, 0, 5, 5],
     [5, 0, 0, 0, 4, 4],
     [0, 3, 0, 5, 4, 5],
     [5, 4, 3, 3, 5, 5]])
from sklearn.decomposition import NMF
model = NMF(n_components=2)
W = model.fit_transform(V)
H = model.components_

# 利用NMF分解的结果重构V
print(W.dot(H))

[[5.80643355 3.49158155 2.43565648 0.80514285 5.16417069 5.09095253]
 [4.26759859 2.19132302 1.73562676 0.         3.36296649 3.20554893]
 [0.02481246 3.29247521 0.48708792 5.17675147 3.80380437 4.70921875]
 [4.66621253 3.87135359 2.11231399 2.32870172 5.37938527 5.61496605]]

从$V[1,2],V[1,3]$可以看出虽然原始矩阵$V[1,2],V[1,3]$为0，但是重构的矩阵中$V[1,2]=2.19$。由此可以看出，NMF具有局部平滑的功能。在文本中，平滑指文档比较相似。

• 如果一个词在一些文档中出现，也会在其他文档出现。NMF重构之后，稀疏的词项-文档矩阵会变成稠密的矩阵。
• 原始矩阵中，词项w1在d1,d2,d3文档中出现，词项w2在d1,d2中出现，NMF重构之后，会认为词项w2在d3中也有一定概率出现。

NMF解决了SVD的计算复杂问题，且求得的所有矩阵都为正值，更好理解。两者的不同在于SVD根据奇异值的大小确定保留哪些隐含维度，NMF直接根据指定的隐含维度分解矩阵。