图文并茂的PCA教程

时间:2021-01-07 07:35:27

声明:

  1. 参考:PCA数学原理*

PCA——主成分分析

简介

PCA全称Principal Component Analysis,即主成分分析,是一种常用的数据降维方法。它可以通过线性变换将原始数据变换为一组各维度线性无关的表示,以此来提取数据的主要线性分量。

z = w T x

  其中,z为低维矩阵,x为高维矩阵,w为两者之间的映射关系。

划重点:

  1. 线性无关是因为构建的特征轴是正交的
  2. 主要线性分量,因为只选取了方差够大的特征(或者说是主成分)

相应的,PCA解释方差并对离群点很敏感:少量原远离中心的点对方差有很大的影响,从而也对特征向量有很大的影响。

线性变换

一个矩阵与一个列向量A相乘,等到一个新的列向量B,则称该矩阵为列向量A到列向量B的线性变换。

我们希望投影后投影值尽可能分散,而这种分散程度,可以用数学上的方差来表述。

V a r ( a ) = 1 m i = 1 m ( a i μ ) 2
即寻找一个一维基,使得所有数据变换为这个基上的坐标表示后,方差值最大。

解释:方差越大,说明数据越分散。通常认为,数据的某个特征维度上数据越分散,该特征越重要。

对于更高维度,还有一个问题需要解决,考虑三维降到二维问题。与之前相同,首先我们希望找到一个方向使得投影后方差最大,这样就完成了第一个方向的选择,继而我们选择第二个投影方向。如果我们还是单纯只选择方差最大的方向,很明显,这个方向与第一个方向应该是“几乎重合在一起”,显然这样的维度是没有用的,因此,应该有其他约束条件——就是正交

解释:从直观上说,让两个字段尽可能表示更多的原始信息,我们是不希望它们之间存在(线性)相关性的,因为相关性意味着两个字段不是完全独立,必然存在重复表示的信息。

数学上可以用两个字段的协方差表示其相关性:

C o v ( a , b ) = 1 m i = 1 m ( a i μ a ) ( b i μ b )
当协方差为0时,表示两个字段线性不相关。

总结一下,PCA的优化目标是:
将一组N维向量降为K维(K大于0,小于N),其目标是选择K个单位正交基,使得原始数据变换到这组基上后,各字段两两间协方差为0,而字段的方差则尽可能大。


所以现在的重点是方差和协方差

协方差

在统计学上,协方差用来刻画两个随机变量之间的相关性,反映的是变量之间的二阶统计特性。考虑两个随机变量 X i X j ,它们的协方差定义为

c o v ( X i , X j ) = E [ ( X i E ( X i ) ) ( X j E ( X j ) ) ]

tips:独立,不相关与协方差为零三者的关系
只讨论离散型随机变量的情形。
独立:随机变量 ξ , η 独立是指对于任意的常数a,b,都有

P ( ξ = a , η = b ) = P ( ξ = a ) P ( η = b )
.
相关性,相关系数
ρ ξ η = c o v ( ξ , η ) v a r ( ξ ) v a r ( η )

相关系数其实是“线性相关系数”
相关系数和协方差在描述相关性方面是等价的,但独立与相关性的关系是:

独立=>不相关

协方差矩阵:
假设有两个变量a和b,特征维度为m,那么构成的数据集矩阵为:

X = ( a 1 a 2 . . . a m b 1 b 2 . . . b m )

再假设它们的均值都是0,对于有两个均值为0的m维向量组成的向量组,

1 m X X T = ( 1 m i = 1 m a i 2 1 m i = 1 m a i b i 1 m i = 1 m a i b i 1 m i = 1 m b i 2 )

可以发现对角线上的元素是两个字段的方差,其他元素是两个字段的协方差,两者都被统一到了一个矩阵——协方差矩阵中。

回顾一下前面所说的PCA算法的目标:方差max,协方差min!!

要达到PCA降维目的,等价于将协方差矩阵对角化:即除对角线外的其他元素化为0,并且在对角线上将元素按大小从上到下排列,这样我们就达到了优化目的。

设原始数据矩阵X对应的协方差矩阵为C,而P是一组基按行组成的矩阵,设Y=PX,则Y为X对P做基变换后的数据。设Y的协方差矩阵为D,我们推导一下D与C的关系:

D = 1 m Y Y T = 1 m ( P X ) ( P X ) T = 1 m P X X T P T = P ( 1 m X X T ) P T = P C P T

解释:想让原始数据集X =>pca成数据集Y,使得Y的协方差矩阵是个对角矩阵。
有上述推导可得,若有矩阵P能使X的协方差矩阵对角化,则P就是我们要找的PCA变换。

优化目标变成了寻找一个矩阵 P ,满足 P C P T 是一个对角矩阵,并且对角元素按从大到小依次排列,那么 P 的前 K 行就是要寻找的基,用 P 的前 K 行组成的矩阵乘以 X 就使得 X N 维降到了 K 维并满足上述优化条件。

矩阵对角化

首先,原始数据矩阵X的协方差矩阵C是一个实对称矩阵,它有特殊的数学性质:

  1. 实对称矩阵不同特征值对应的特征向量必然正交。
  2. 设特征值 λ 重数为r,则必然存在r个线性无关的特征向量对应于 λ ,因此可以将这r个特征向量单位正交化。

一个n行n列的实对称矩阵一定可以找到n个单位正交特征向量,设这n个特征向量为 e 1 , e 2 , . . . , e n ,我们将其按列组成矩阵:

E = ( e 1   e 2   . . .   e n )

则对协方差矩阵C有如下结论:
E T C E = Λ = ( λ 1 λ 2 . . . λ n )
这里不懂的朋友可以查阅线性代数相关书籍。
P = E T

P是协方差矩阵的特征向量单位化后按行排列出的矩阵,其中每一行都是C的一个特征向量。如果设P按照中特征值的从大到小,将特征向量从上到下排列,则用P的前K行组成的矩阵乘以原始数据矩阵X,就得到了我们需要的降维后的数据矩阵Y。

在解释一下,特征值 λ 为什么要从大到小排列,为什么要选较大的 λ ???
因为我们协方差矩阵的对角线元素是方差,我们想要找方差交大的特征维度,所以要选择较大的对角线元素。
而对角矩阵 Λ 虽然是C经过线性变化后的矩阵,但它在对角线上元素的大小关系没变,特征维度 i 对应的特征值 λ i 越大,该维度上数据的方差越大。

另一种解释思路

该思路基于拉格朗日问题的求解方法。
回到一开始, z = w T x 。其中,最主要的成分是这样的 w 1 ,样本投影到 w 1 上之后最分散,使得样本点之间的差别变得最明显。为了得到唯一解且是该方向成为最重要的因素,我们要求 | | w 1 | | = 1 . 如果 z 1 = w 1 T x C o v ( x ) = ,则

V a r ( z 1 ) = E [ ( w T x w T μ ) 2 ] = w 1 t w 1

寻找 w 1 ,使得 w 1 在约束下最大化。将这写成拉格朗日问题,则有:
max w 1 w 1 T w 1 α ( w 1 T w 1 1 )

关于 w 1 求导并让它等于0,有:
2 w 1 2 α w 1 = 0

因此, w 1 = α w 1
如果 w 1 是协方差矩阵 的特征向量, a是对应的特征值,则上式成立。因为我们想最大化
V a r ( z 1 ) = w 1 T w 1 = α w 1 T w 1 = α

所以为了方差最大,我们选择具有最大特征值的特征向量。因此,主成分是输入样本的协方差矩阵的具有最大特征值 λ 1 = α 的特征向量。
第二个主成分 w 2 也应该是最大化方差,具有单位长度,并且与 w 1 正交。后一个要求是使得投影后 z 2 = w 2 T x z 1 不相关。对于第二个主成分,有
max w 2 w 2 T w 2 α ( w 2 T w 2 1 ) β ( w 2 T w 1 0 )

最后,该式简化为 w 2 = α w 2 ,这表明 w 2 应该是 的具有第二大特征值 λ 2 = α 的特征向量。类次的,我们可以证明其他维被具有递减特征值的特征向量给出。

算法及实例

PCA算法

总结一下PCA的算法步骤:
设有n条m维数据。

  1. 将原始数据按列组成m行n列矩阵X
  2. 将X的每一行(代表一个属性字段)进行零均值化
  3. 求出协方差矩阵 C = 1 m X X T
  4. 求出协方差矩阵的特征值及对应的特征向量
  5. 将特征相浪按对应特征值大小从上到下按行排列成矩阵,取前k行组成矩阵P
  6. Y = P X 即为降维到k维后的数据

关于PCA的python实现代码可以参考这里,不过ipynb文件可能在github上刷不出来,建议下载下来用jupyter notebook打开。

实例

原始数据集矩阵X:

( 1 1 2 4 2 1 3 3 4 4 )

求均值后:

( 1 1 0 2 0 1 0 0 1 1 )

再求协方差矩阵

C = 1 5 ( 1 1 0 2 0 1 0 0 1 1 ) ( 1 1 1 0 0 0 2 1 0 1 ) = ( 6 5 4 5 4 5 6 5 )

特征值:

λ 1 = 2 , λ 2 = 2 5

对应的特征向量:

c 1 ( 1 2 1 2 ) , c 1 ( 1 2 1 2 )

标准化(其实不标准化也一样,只是稍显不专业)

P = ( 1 2 1 2 1 2 1 2 )

选择较大特征值对应的特征向量:

( 1 2 1 2 )

执行PCA变换:Y=PX,得到的Y就是PCA降维后的值数据集矩阵:

Y = ( 1 2 1 2 ) ( 1 1 0 2 0 1 0 0 1 1 ) = ( 3 2 1 2 0 3 2 1 2 )

降维过程的示意图

图文并茂的PCA教程

进一步讨论

根据上面对PCA的数学原理的解释,我们可以了解到一些PCA的能力和限制。PCA本质上是将方差最大的方向作为主要特征,并且在各个正交方向上将数据“离相关”,也就是让它们在不同正交方向上没有相关性

因此,PCA也存在一些限制,例如它可以很好的解除线性相关,但是对于高阶相关性就没有办法了,对于存在高阶相关性的数据,可以考虑Kernel PCA,通过Kernel函数将非线性相关转为线性相关,关于这点就不展开讨论了。另外,PCA假设数据各主特征是分布在正交方向上,如果在非正交方向上存在几个方差较大的方向,PCA的效果就大打折扣了。

最后需要说明的是,PCA是一种无参数技术,也就是说面对同样的数据,如果不考虑清洗,谁来做结果都一样,没有主观参数的介入,所以PCA便于通用实现,但是本身无法个性化的优化。