[机器学习] 奇异值分解（SVD）

1、特征值分解

特征值和特征向量的定义如下：
$$Ax=\lambda x$$
其中$A$是一个$n\times n$矩阵，$x$是一个$n$维向量（$n\times 1$），而$\lambda$是一个数值。

则$\lambda$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。

如果求出了矩阵A的n个特征值，${\lambda }_1\le {\lambda }_2\le ...{\lambda }_n$，以及这n个特征值所对应的特征向量$w_1,w_2,...,w_n$。

则矩阵A可用下式的特征分解表示：
$$A=W\sum W^{-1}$$
其中，W是n个特征向量组成的$n\times n$矩阵$\left[\begin{array}{cccc}{w}_1& w_2& \cdots & w_n\end{array}\right]$（向量是竖的列向量），而$\sum$是以n个特征向量所对应的特征值为主对角线的值的$n\times n$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$w_i^T{w}_i=1$，若$A$是个实对称矩阵，此时W的n个特征向量为标准正交基（实对称矩阵不同特征值对应的特征向量正交），又满足$W^{T}W=I$，即$W^T=W^{-1}$，也就是说W为酉矩阵（矩阵元素全为实数时也称作正交矩阵）。注：酉矩阵一般指幺正矩阵（矩阵元素可以是复数），即厄米共轭矩阵等于逆矩阵。对于实矩阵（矩阵元素全为实数），厄米共轭矩阵就是转置矩阵。

这样我们的特征分解表达式可以写成：
$$A=W\sum W^T$$
注意到要进行特征分解，矩阵A必须为方阵。

当矩阵A不是方阵时，再想对A进行矩阵分解就要用到奇异值分解（SVD）

2、奇异值分解

假设矩阵A是$m\times n$矩阵，定义矩阵A的奇异值分解（SVD）为：
$$A_{m\times n}=U_{m\times m}\sum V_{n\times n}^T$$
$\sum ：m\times n$
U、V都是酉矩阵（正交矩阵），即满足$U^{T}U=I，V^{T}V=I$，即$U^T=U^{-1}，V^T=V^{-1}$

（1）求矩阵 $V$：
$A^T$：$n\times m$
$A$：$m\times n$
$V：n\times n$

注意到，$A^{T}A$是$n\times n$的方阵，也就是说可以对其进行特征值分解，由它的所有特征向量$v_i$可以组成一个$n\times n$的矩阵，这个矩阵就是矩阵$V$，称作右奇异矩阵，$V$中的每一个特征向量称作矩阵$A$的右奇异向量。

（2）求矩阵$U$：
$A$：$m\times n$
$A^T$：$n\times m$
$U：m\times m$

注意到，$A{A}^T$是$m\times m$的方阵，也就是说可以对其进行特征值分解，由它的所有特征向量$u_i$可以组成一个$m\times m$的矩阵，这个矩阵就是矩阵$U$，称作左奇异矩阵，$U$中的每一个特征向量称作矩阵$A$的左奇异向量。

（3）求奇异值矩阵$\sum$：
$$\begin{gathered} A=U\sum V^T \\ AV=U\sum V^{T}V \\ AV=U\sum \end{gathered}$$
$$A\left[\begin{array}{cccc}{v}_1& v_2& \cdots & v_n\end{array}\right]=\left[\begin{array}{cccccc}{u}_1& u_2& \cdots & u_n& \cdots & u_m\end{array}\right]{\left[\begin{array}{ccccc}{\sigma }_1& 0& 0& \cdots & 0\\ 0& {\sigma }_2& 0& \cdots & 0\\ 0& 0& {\sigma }_3& \cdots & 0\\ ⋮& ⋮& ⋮& \ddots & ⋮\\ 0& 0& 0& \cdots & {\sigma }_n\\ ⋮& ⋮& ⋮& \cdots & ⋮\\ 0& 0& 0& \cdots & 0\end{array}\right]}_{m\times n}$$
由于奇异值矩阵只在对角线处有值，其他位置均是0，而 $\sum$ 并不是标准的方阵，它的对角线如上式内所表示，只在 $n\times n$ 处有值，并非从左上角一路划到右下角。

展开上面的矩阵乘法：
$$\begin{gathered} A{v}_1=u_1{\sigma }_1 \\ A{v}_2=u_2{\sigma }_2 \\ A{v}_3=u_3{\sigma }_3 \\ ... \\ A{v}_n=u_n{\sigma }_n \end{gathered}$$
可以看出，各奇异值的计算方式：
$${\sigma }_i=\frac{A_{m\times n}(v_i{)}_{n\times 1}}{(u_i{)}_{m\times 1}}$$
上式中，分子的结果是一个$m\times 1$的向量，分母是一个$m\times 1$的向量，但向量之间是没有除法的，除非两个向量共线（即平行），结果是两个共线向量的倍数关系。在SVD中，上式实际上就是求两个共线向量的倍数关系。

另一方面，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：
$${\sigma }_i=\sqrt{{\lambda }_i}$$
即，可以通过求出$A^{T}A$（$n\times n$的方阵）的特征值再取平方根来求奇异值。

3、SVD计算举例

4、SVD的性质

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 $k$ 个奇异值和它们对应的左右奇异向量来近似描述矩阵。

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）。

实际上SVD在PCA降维上只是使用了 $V$ 矩阵（右奇异矩阵），其原因就是 $U$ 矩阵（左奇异矩阵）是进行行压缩，而 $V$ 矩阵（右奇异矩阵）是对列进行压缩，而PCA降维只需要减少特征从而进行降维，所以PCA只用到了SVD的 $V$ 矩阵（右奇异矩阵）。