从SVD到PCA——奇妙的数学游戏

方阵的特征值

当一个矩阵与一个向量相乘，究竟发生了什么？

定义如下的 A 与 x：

求得 b：

可以看到 A 乘以 x 就是将 x 的元素以线性的方式重新组合得到 b，数学上把这种重新组合叫 线性变换。

假设二维向量 x 满足如下条件：

给定一个 2×2 的方阵：

当 x 在满足约束条件的前提下取不同的值，Ax 的值的变化规律如下：

图中红色箭头为向量 x，蓝色箭头为矩阵 A 对 x 进行线性变换后的向量。

可以看到 A 对 x 做了两件事 ： 旋转 与 伸缩。

在某些方向上，红色与蓝色向量共线，即在这些方向上 A 只对 x 进行了伸缩，称这些方向为 A 的主方向。在某个主方向上，设 A 对 x 伸缩的倍率为 λ，则：

把 λ 叫做方阵 A 的一个特征值，x 是相应的特征向量。 

随着 x 的方向从 0 变化到 2π，红蓝向量有 4 次共线出现，但真正线性无关的共线只有2个，因为各有两次共线仅是方向相反，所以 A 有 2 个特征值。

蓝色向量划出了一个椭圆轨迹，这个椭圆表示了 A 是如何对 x 做线性变换的，可以认为这个椭圆包含了 A 的全部信息（因为 x 可以任意取值）。从动图可以看出，这个椭圆以 A 的特征值 λ1 和 λ2 为长轴和短轴的长度，特征向量 x1 和 x2 为长短轴的方向，即 λ1 、λ2、x1、x2 包括了 A 的所有信息。

由于这是一个狭长的椭圆，长轴包含的信息更多，所以 λ1  与  x1 包含了 A 的大部分信息。

矩阵的奇异值分解

当矩阵不是方阵，无法为其定义特征值与特征向量，可以用一个相似的概念来代替：奇异值。

通常用一种叫奇异值分解的算法来求取任意矩阵的奇异值：

抽象的概念要用具体的方式理解，来看几张图：

上图中的红色区域是一个以原点为中心的单位圆。圆当中的任意一点可以用向量 x 标示，且 x 满足：

给定一个 2×2 的方阵：

利用 MATLAB 对 A 做奇异值分解：

即：

所以：

先看 V' 对 x 做了什么：

V' 使 x 旋转了一个角度。

再看 SV' 对 x 做了什么：

S 在 V'x 的基础上，在两个主方向进行了伸缩变换。

最后看 USV' 对 x 做了什么：

U 在 SV'x 的基础上，进行了旋转变换。

至此，奇异值分解的几何意义可谓一目了然：

A 是一个线性变换，把 A 分解成 USV'，S 给出了变换后椭圆长短轴的长度， U 和 V' 一起确定了变换后的方向，所以 U、S、V' 包含了这个线性变换的全部信息。S 矩阵的对角线元素称为 A 的奇异值，与特征值一样，大的奇异值对应长轴，小的奇异值对应短轴，大的奇异值包含更多信息。

当矩阵是对称方阵时，其特征值与奇异值相等。

网上有一个很经典的案例来说明 SVD 的应用：

有一张 25×15 的图片：

把它用矩阵表示：

这个矩阵的秩等于 3。即矩阵只有 3 种线性无关的列，其他的列都是冗余的：

对 M 做奇异值分解，得到 3 个不为零的奇异值：

它们分别对应着 3 个线性无关的列。

另一种更一般的情况，处理一张有噪声的图片：

它的奇异值为：

可以想象在15维空间中有一个超椭球体，它有15个轴，其中有3个轴是主要的轴（对应着3个最大的奇异值），有这3个轴就可以大致勾勒出超椭球体的形状，因为它们包含了大部分信息。

如果 S 中的对角线元素从大到小排列，我们就只保留 S 左上角的 3×3 的子矩阵，并相应保留 U 和 V 的前 3 列，简化后的 U、S、V 依然保留了 M 的大部分信息：

主成分分析

‍案例1‍

假如有 m 条1维数据，由于混入了噪音，变成了2维。

在坐标系中把他们绘制出来：

主成分分析（PCA）可以用来排除这些噪音，把原来的维度提取出来。

首先将数据归一化，并将其所包含的信息用 协方差矩阵（协方差矩阵表示不同维度之间的相关关系，这是一个对称矩阵）来表示：

Σ 有2个奇异值，例如：

显然前者包含了大部分信息，对应的矩阵 U 的第一列就是主成分的方向：

于是就通过降维对数据实现了去噪。

在更一般的情况下，假设有 m 条 n 维的数据，对协方差矩阵进行奇异值分解得到 n 个从大到小排列的奇异值：

如果希望信息利用率在99%以上，可利用如下不等式来确定主成分的维度 p：

案例2

有 m 张人脸图，每张的大小都是 32×32 （1024 个像素）。

每个像素的颜色由一个灰度值来表示，这样每张图片就用一个 1024×1 的向量来表示。

定义第 i 张图片的数据为：

将数据归一化并计算其协方差矩阵 Σ ，Σ 是一个 1024×1024 的矩阵。

对 Σ 做奇异值分解，得到矩阵 U,S 和 V。其中 U 也是一个 1024×1024 的矩阵。根据之前的比喻，U 的每一列代表了 1024 维空间中一个超椭球体的主轴方向。其中若干个方向包含了 Σ 的大部分信息，我们把这些方向（对应 U 中的若干列）叫做数据的主成分。

假设取 U 的前 k（k<1024） 列作为主方向，在 1024 维空间中有一个数据点 x，记 x 在这 k 个主方向上的投影为 x(project)，那么 x(project) 是对 x 的一个近似（更精确地讲，将 k 维的 x(project) 重新投影到 1024 维空间中得到 x(approx) 才是对 x 的近似，这个技术叫数据恢复（Data Reconstruction））。需要注意的一点是：x(project)  与 x(approx) 是等价的，它们是同一个数据点在不同坐标系下的不同表达（升维不丢失信息）。当k=1024， x(project)=x(approx)=x。

在应用中，用降维后的 x(project) 参与后续计算，由于数据量变小，计算速度将加快。

回到案例中，我取 k = 100，即取 U 的前 100 列作为数据的主方向（主成分）。因为每一列都是 1024 维向量，可以把它们像图片一样打印出来：

越靠前的列对应着越大的奇异值，它们也包含了更多信息。在本例中，每个主方向（主成分）就是一张“基础图片”，每张原图都是这些基础图片的线性组合（系数就是原图在主方向上的投影）。

现在用这 100 张“基础图片”去简化原图片（将降维后的100维数据重新投影到1024维空间——Data Reconstruction），效果如下：

最后附上一首打油诗来帮助记忆PCA的原理：

主成分即主方向

数据投影在其上

投影形成新数据

降维加速本领强

总结

本文的灵感来自于 Andrew Ng 在 Coursera 上的 《Machine Learning》课程，在上一篇文章中我提到过，这是一门面向应用的，强调快速入门的课程。我始终认为，知其然也要知其所以然，也就是背后的数学原理，这是一名合格工程师应有的素质。