PCA与协方差矩阵

野性酷女 2022-05-23 06:57 253阅读 0赞

**一、协方差矩阵**

一个维度上方差的定义：

![20160910213325077][]

协方差的定义：

![Center][]（a）

协方差就是计算了两个维度之间的相关性，即这个样本的这两个维度之间有没有关系。

协方差为0，证明这两个维度之间没有关系，协方差为正，两个正相关，为负则负相关。

协方差矩阵的定义：

对n个维度，任意两个维度都计算一个协方差，组成矩阵，定义如下

![20160910214748641][]

直观的对于一个含有x,y,z三个维度的样本，协方差矩阵如下

![20160910214758057][]

可以看出，对角线表示了样本在在各个维度上的方差。

其他元素表示了不同维度之间两两的关联关系。

**二、协方差矩阵的计算**

（1）先让样本**矩阵中心化**，即每一维度减去该维度的均值，使每一维度上的均值为0，

（2）然后直接用新的到的样本矩阵乘上它的转置

（3）然后除以(N-1)即可‘

数学推导相对容易，样本矩阵中心化以后，样本均值为0，因此式a中每个维度无需减去均值，只需要进行与其他维度的乘法，

这样就可以用转置相乘实现任意两两维度的相乘。

**三、矩阵相乘的“变换的本质”理解**

A\*B两个矩阵相乘代表什么？

A的每一行所表示的向量，变到B的所有列向量为基底表示的空间中去，得到的每一行的新的表示。

B的每一列所表示的向量，变到A的所有行向量为基底表示的空间中去，得到的每一列的新的表示。

三、PCA深入

PCA的目的是降噪和去冗余，是一种常用的数据分析方法。**PCA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，可用于提取数据的主要特征分量，常用于高维数据的降维。**

样本矩阵的格式：

样本1 \[特征a1，特征a2，特征a3，…..，特征an\]

样本2 \[特征a1，特征a2，特征a3，…..，特征an\]

样本3 \[特征a1，特征a2，特征a3，…..，特征an\]

样本4 \[特征a1，特征a2，特征a3，…..，特征an\]

PCA后：r<n

样本1 \[特征b1，特征b2，特征b3，…..，特征br\]

样本2 \[特征b1，特征b2，特征b3，…..，特征br\]

样本3 \[特征b1，特征b2，特征b3，…..，特征br\]

样本4 \[特征b1，特征b2，特征b3，…..，特征br\]

直白的来说，就是对一个样本矩阵，

（1）换特征，找一组新的特征来重新表示

（2）减少特征，新特征的数目要远小于原特征的数目

我们来看矩阵相乘的本质，用新的基底去表示老向量，这不就是重新找一组特征来表示老样本吗？？？

**所以我们的目的是什么？就是找一个新的矩阵（也就是一组基底的合集），让样本矩阵乘以这个矩阵，实现换特征+减少特征的重新表示。**

因此我们进行PCA的基本要求是：

（1）第一个要求：使得样本在选择的基底上尽可能的而分散。

为什么这样？

极限法，如果在这个基底上不分散，干脆就在这个基地上的投影(也就是特征)是一样的。那么会有什么情况？

想象一个二维例子：

以下这一组样本，有5个样本，有2个特征x和y，矩阵是

\[-1,-2\]

\[-1, 0\]

\[ 0, 0\]

\[ 2, 1\]

\[ 0, 1\]

画图如下：

![20160911132342520][]

我现在是二维特征表示，x一个特征，y一个特征。我现在降维。

降成一维，我要选一个新的基底（特征）。

如果我选(1,0)作为基底，就是x轴嘛，然后我把这些样本投影到x轴，或者乘以\[1,0\]列向量。

得，里面好几个数都一样，分不出来了。

所以这就是为样本在基底上要尽可能分散了，**这个分散不就是样本在这个“基底上的坐标”（这个基底上的特征值）的方差要尽可能大么**？

（2）第二个要求：使得各个选择的基底关联程度最小。

刚才是二维降一维，只选则一个一维基底就可以了，太拿衣服了。

考虑一个三维点投影到二维平面的例子。这样需要俩基底。

基底得一个一个找啊，先找第一个，要找一个方向，使得样本在这个方向上方差最大。

再找第二个基底，怎么找，方差最大？这不还是找的方向和第一个差不多么？那这两个方向表示的信息几乎是重复的。

所以从直观上说，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。所以最好就是选择和第一个基底正交的基底。

那怎么找呢？不能随便写一个矩阵吧？答案肯定是要基于原来的样本的表示。

我们求出了原来样本的协方差矩阵，协方差矩阵的对角线代表了原来样本在各个维度上的方差，其他元素代表了各个维度之间的相关关系。

也就是说我们希望优化后的样本矩阵，它的协方差矩阵，对角线上的值都很大，而对角线以外的元素都为0。

现在我们假设这个样本矩阵为X（每行对应一个样本），X对应的协方差矩阵为Cx，而P是我们找到的对样本进行PCA变换的矩阵，即一组基按列组成的矩阵，我们有Y=XP

Y即为我们变化后的新的样本表示矩阵，我们设Y的协方差矩阵维Cy，我们想让协方差矩阵Cy是一个对角阵，那么我们先来看看Cy的表示

![20160911143540239][]

注意：

推导规程为了把X凑一起，我们用了Y Yt=((Y Yt)t)t=(Yt Y)t

把样本组织成行向量和列向量是一样的原来，最后结果只需要一个转置就变成一个格式了。把样本X组织成列向量，就要把基底P组织成行向量，就要写PX了

好了，我们退出了Cy的表示，最后的结果很神奇的成了一个熟悉的形式：方阵可对角化的表达式

让我们来回忆一下可对角化矩阵的定义，顺便也回忆了矩阵相似的定义：

（1）**什么是可对角化和相似**：如果一个[方块矩阵][Link 1] A [相似][Link 2]于[对角矩阵][Link 3]，也就是说，如果存在一个[可逆矩阵][Link 4] P 使得 P −1AP 是对角矩阵，则它就被称为可对角化的。

（2）**如何判断可对角化呢**：我们再来回忆一下矩阵可对角化的条件：*n* × *n* 矩阵 *A* 只在域 *F* 上可对角化的，如果它在 *F* 中有 *n* 个不同的特征值，就是说，如果它的[特征多项式][Link 5]在 *F* 中有 *n* 个不同的根，也就说他有n个线性无关的特征向量，这三条件是等价的，满足一个就可以对角化。

注意哦：有n个线性无关的特征向量并不一定代表有n个不同的特征值，因为可能多个特征向量的对于空间的权重相同嘛。。。但是n个不同的特征值一定有n个线性无关的特征向量啦。

C是啥呢，C是协方差矩阵，协方差矩阵是实对称矩阵，就是实数的意思，有很多很有用的性质

1）实对称矩阵不同特征值对应的特征向量，不仅是线性无关的，还是正交的。

2）设特征向量重数为r，则必然存在r个线性无关的特征向量对应于，因此可以将这r个特征向量单位正交化。

3） n阶实对称矩阵C，一定存在一个正交矩阵E，满足如下式子，即C既相似又合同于对角矩阵。（这里又温习了合同的概念哦）

![70][]

由上面两条可知，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e1,e2,…,en  
  
我们将其按列组成矩阵：

![70 1][]

则对协方差矩阵C有如下结论：

![70 2][]

好了，PCA中，我们要找的这个变换矩阵，就是E！！！！！！因为用X乘E后，得到的矩阵是一个对角矩阵哦！

**PCA算法步骤总结：**

**设有m条n维数据，这里比较糊涂就是按行组织样本还是按列组织样本，下面是按行组织样本：**  
  
1）将原始数据按行组成n行m列矩阵X，代表有n个数据，每个数据m个特征  
  
2）将X的每一列（代表一个属性字段）进行零均值化，即减去这一列的均值  
  
3）求出协方差矩阵C=1/n\* XXT

4）求出协方差矩阵的特征值及对应的特征向量  
  
5）将特征向量按对应特征值大小从上到下按列排列成矩阵，取前k列组成矩阵P  
  
6）Y=XP即为降维到k维后的数据

**按列组织是这样的，理解一下：**

1）将原始数据按列组成n行m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，即减去这一行的均值  
  
3）求出协方差矩阵C=1/m\*XXT  
4）求出协方差矩阵的特征值及对应的特征向量  
  
5）将特征向量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=PX即为降维到k维后的数据

我们将其按列组成矩阵 ：

</div>

[20160910213325077]: /images/20220523/3879034bcfeb41ca8eefb21b6f4c78cd.png
[Center]: /images/20220523/0109abbd57fa4e31b7c9074918228417.png
[20160910214748641]: /images/20220523/07f21927c200459e8ba6f70f75723da3.png
[20160910214758057]: /images/20220523/6e60f0f9b8464e87881891d6ad074af3.png
[20160911132342520]: /images/20220523/4b385694bbed4ff7a83d96779aba9dc7.png
[20160911143540239]: /images/20220523/9882743fe335464caf6d0d673cb7639b.png
[Link 1]: https://zh.wikipedia.org/wiki/%E6%96%B9%E5%9D%97%E7%9F%A9%E9%98%B5
[Link 2]: https://zh.wikipedia.org/wiki/%E7%9B%B8%E4%BC%BC%E7%9F%A9%E9%99%A3
[Link 3]: https://zh.wikipedia.org/wiki/%E5%AF%B9%E8%A7%92%E7%9F%A9%E9%98%B5
[Link 4]: https://zh.wikipedia.org/wiki/%E5%8F%AF%E9%80%86%E7%9F%A9%E9%98%B5
[Link 5]: https://zh.wikipedia.org/wiki/%E7%89%B9%E5%BE%81%E5%A4%9A%E9%A1%B9%E5%BC%8F
[70]: /images/20220523/3ef7776936b946e39a08b94124ccb358.png
[70 1]: /images/20220523/be282d42a0f5474b84d69cd8159e1ddb.png
[70 2]: /images/20220523/374745b303944c05938e714b4a1da10f.png