奇异值分解(Singular Value Decompostion, SVD) 是在机器学习领域广泛应用的算法,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。本篇文章对SVD原理做主要讲解,在学习之前,确保你已经熟悉线性代数中的基本知识,包括特征值、特征向量、相似矩阵相关知识点。如果不太熟悉的话,推荐阅读如下两篇文章,如何理解矩阵特征值?知乎马同学的回答和如何理解相似矩阵?马同学高等数学,读完之后再看本篇文章会有很大帮助。
我们首先回顾下特征值和特征向量的定义,如下所示。其中A是一个n×n的矩阵,x是一个n维向量,则我们说λ是矩阵A的一个特征值,x是矩阵A的特征值λ所对应的特征向量。但是求出特征值和特征向量有什么好处呢?
A x = λ x Ax = \lambda x Ax=λx
求出了矩阵A的n个特征值 λ 1 ≤ λ 2 ≤ . . . ≤ λ n \lambda_1 \le \lambda_2 \le ...\le \lambda_n λ1≤λ2≤...≤λn,以及这n个特征值所对应的特征向量 w 1 , w 2 , . . . , w n {w_1,w_2,...,w_n} w1,w2,...,wn,如果这n个特征值线性无关,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=WΣW−1
其中Σ是以这n个特征值为主对角线的n×n维矩阵,W是这n个特征向量所组成的n×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 ||w_i||_2 = 1 ∣∣wi∣∣2=1,或者说 w i T w i = 1 w_i^Tw_i = 1 wiTwi=1,此时W的n个特征向量为标准正交基,满足 W T W = I W^TW = I WTW=I,即 W T = W − 1 W^T = W^{-1} WT=W−1,也就是说W为酉矩阵。这样我们的特征分解便可写作
A = W Σ W T A = W \Sigma W^T A=WΣWT
上面矩阵能够进行特征分解,需要满足矩阵A必须为方阵。那么如果A不是方阵,即行和列不相同时,我们还可以进行矩阵分解吗?
当矩阵A不是方阵时,可以用奇异值进行分解,假设我们的的矩阵A时一个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时一个m×m的矩阵,Σ是一个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时一个n×n的矩阵。U和V都是酉矩阵,即满足
U T U = I V T V = I U^TU=I \\ V^TV = I UTU=IVTV=I
下图可以形象的表示出上述SVD的定义,但我们如何求出SVD分解后的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^TA ATA。既然 A T A A^TA 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 i v i (A^TA)v_i = \lambda_i v_i (ATA)vi=λivi
这样我们就可以得到矩阵 A T A A^TA ATA的n个特征值和对应的n个特征向量v。将 A T A A^TA ATA的所有特征向量组成一个n×n的矩阵V,就是SVD公式里面的V矩阵,一般我们将V中的每个特征向量叫做A的右奇异向量。
同样,如果我们将A和A的转置做矩阵乘法,那么会得到m×m的一个方阵 A A T AA^T AAT。因为 A A T AA^T AAT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 A T ) u i = λ i u i (AA^T)u_i = \lambda_i u_i (AAT)ui=λiui
这样我们就可以得到矩阵 A A T AA^T AAT的m个特征值和对应的m个特征向量u。将 A A T AA^T AAT的所有特征向量组成一个m×m的矩阵U,就是SVD公式里面的U矩阵,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都已经求出,现在只有奇异值矩阵Σ没有求出。由于Σ除了对角线上是奇异值,其他位置都是0,因此我们只需要求出每个奇异值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 = u i σ i σ i = A v i u i A = U \Sigma V^T \\ AV = U \Sigma V^T V \\ AV = U \Sigma \\ Av_i = u_i \sigma_i \\ \sigma_i = \frac{Av_i}{u_i} A=UΣVTAV=UΣVTVAV=UΣAvi=uiσiσi=uiAvi
通过上式,我们便可以求出每个奇异值,进而求出奇异值矩阵Σ。
上面还有一个问题没有细讲,就是我们说 A T A A^TA ATA的特征向量组成的就是SVD中的V矩阵, A A T AA^T AAT的特征向量就是SVD的U矩阵,为什么呢?下面我们做简短证明。
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 \\ A^T = V \Sigma^T U^T \\ A^TA = V\Sigma^T U^T U \Sigma V^T = V \Sigma^2V^T A=UΣVTAT=VΣTUTATA=VΣTUTUΣVT=VΣ2VT
上式证明中使用到 U T U = I , Σ T Σ = Σ 2 U^TU = I,\Sigma^T\Sigma = \Sigma^2 UTU=I,ΣTΣ=Σ2,可以看出 A T A A^TA ATA的特征向量,的确就是SVD中的V矩阵。类似的方法同样可以得到 A A T AA^T AAT的特征向量,就是SVD中的U矩阵。进一步我们还可以看出特征值矩阵等于奇异值矩阵的平方,也就是特征值和奇异值满足如下关系
σ i = λ i \sigma_i = \sqrt{\lambda_i} σi=λi
这也就是说,我们不仅可以通过用 σ i = A v i u i \sigma_i = \frac{Av_i}{u_i} σi=uiAvi来计算奇异值,也可以通过求出 A T A A^TA ATA的特征值,然后取平方根得到奇异值。
下面我们通过一个简单例子来说明矩阵式如何进行奇异值分解的,假设矩阵A为
A = ( 0 1 1 1 1 0 ) A = \begin{pmatrix} 0 & 1\\ 1 & 1\\ 1 & 0 \end{pmatrix} A=⎝⎛011110⎠⎞
然后求出 A T A A^TA ATA和 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 ) \lambda_1 = 3; v_1 = \begin{pmatrix} \frac{1}{\sqrt{2}} \\ \frac{1}{\sqrt{2}} \\ \end{pmatrix} λ1=3;v1=(2121)
λ 2 = 1 ; v 2 = ( − 1 2 1 2 ) \lambda_2 = 1; v_2 = \begin{pmatrix} -\frac{1}{\sqrt{2}} \\ \frac{1}{\sqrt{2}} \\ \end{pmatrix} λ2=1;v2=(−2121)
求出 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 ) \lambda_1 = 3; u_1 = \begin{pmatrix} \frac{1}{\sqrt{6}} \\ \frac{2}{\sqrt{6}} \\ \frac{1}{\sqrt{6}} \\ \end{pmatrix} λ1=3;u1=⎝⎜⎛616261⎠⎟⎞
λ 2 = 1 ; u 2 = ( 1 2 0 − 1 2 ) \lambda_2 = 1; u_2 = \begin{pmatrix} \frac{1}{\sqrt{2}} \\ 0 \\ -\frac{1}{\sqrt{2}} \\ \end{pmatrix} λ2=1;u2=⎝⎛210−21⎠⎞
λ 3 = 0 ; u 3 = ( 1 3 − 1 3 1 3 ) \lambda_3 = 0; u_3 = \begin{pmatrix} \frac{1}{\sqrt{3}} \\ -\frac{1}{\sqrt{3}} \\ \frac{1}{\sqrt{3}} \\ \end{pmatrix} λ3=0;u3=⎝⎜⎛31−3131⎠⎟⎞
利用 A v i = σ i u i , i = 1 , 2 Av_i = \sigma_i u_i, i = 1,2 Avi=σiui,i=1,2求解奇异值
( 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} \frac{1}{\sqrt{2}} \\ \frac{1}{\sqrt{2}} \\ \end{pmatrix} = \sigma_1 \begin{pmatrix} \frac{1}{\sqrt{6}} \\ \frac{2}{\sqrt{6}} \\ \frac{1}{\sqrt{6}} \\ \end{pmatrix} \Rightarrow \sigma_1 = \sqrt{3} ⎝⎛011110⎠⎞(2121)=σ1⎝⎜⎛616261⎠⎟⎞⇒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} -\frac{1}{\sqrt{2}} \\ \frac{1}{\sqrt{2}} \\ \end{pmatrix} = \sigma_2 \begin{pmatrix} \frac{1}{\sqrt{2}} \\ 0 \\ -\frac{1}{\sqrt{2}} \\ \end{pmatrix} \Rightarrow \sigma_2 = 1 ⎝⎛011110⎠⎞(−2121)=σ2⎝⎛210−21⎠⎞⇒σ2=1
当然,我们也可以利用 σ i = λ i \sigma_i = \sqrt{\lambda_i} σi=λi直接求出奇异值 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} \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{pmatrix} \begin{pmatrix} \sqrt{3} & 0 \\ 0 & 1 \\ 0 & 0 \\ \end{pmatrix} \begin{pmatrix} \frac{1}{\sqrt{2}} & \frac{1}{\sqrt{2}} \\ -\frac{1}{\sqrt{2}} & \frac{1}{\sqrt{2}} \\ \end{pmatrix} A=UΣVT=⎝⎜⎛616261210−2131−3131⎠⎟⎞⎝⎛300010⎠⎞(21−212121)
对于SVD有哪些重要的性质值得我们注意呢? 对于奇异值,它跟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奇异值之和的99%以上的比例。也就是说,我们可以用最大的k个奇异值和对应的左右奇异向量来近似描述矩阵,即
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} Am∗n=Um∗mΣm∗nVn∗nT≈Um∗kΣk∗kVk∗nT
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} Um∗k,Σk∗k,Vk∗nT来表示。如下图所示,现在矩阵A只需要灰色部分的三个小矩阵就可以近似描述。
由于这个重要的性质,因此SVD可以用于PCA降维,用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之中的算法,比如潜在语义索引(LSI)。
在机器学习降维之主成分分析(PCA)之中,我们讲到PCA降维时,需要找到样本协方差矩阵 X T X X^TX XTX最大的d个特征向量,然后用着最大的d个特征向量组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,比如10000*10000的矩阵,这个计算量是很大的。
注意到SVD也可以求出协方差矩阵 X T X X^TX XTX最大的d个特征向量组成的矩阵,但是SVD有个好处,就是可以不求出协方差矩阵 X T X X^TX XTX,也能通过某些算法求出右奇异矩阵 V V V,比如https://arxiv.org/abs/0909.4061。也就是说,PCA算法可以不用做特征分解,而是用SVD来进行完成。
另一方面,PCA仅仅使用了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?假如我们的样本是m×n的矩阵X,如果通过SVD找到矩阵 X X T XX^T XXT最大的d个特征向量组成的m×d的矩阵U,则我们进行如下处理
X d ∗ n ′ = U d ∗ m T X m ∗ n X'_{d*n} = U_{d*m}^TX_{m*n} Xd∗n′=Ud∗mTXm∗n
可以得到一个d×n的矩阵X’,这个矩阵和我们原来的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,右奇异矩阵可以用于列数压缩,即特征降维。
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。当然,SVD的缺点是分解出的矩阵解释性往往不强,不过这不影响它的使用。
更多内容请关注公众号谓之小一,若有疑问可在公众号后台提问,随时回答,欢迎关注,
参考
刘建平Pinard-奇异值分解(SVD)原理转载降维中的应用