深入理解主成分分析(PCA)

主成分分析:

• 1. 降维法
• 2. 最大方差解释
• 3. 最小均方误差解释

PCA 的定义方式有很多，其中最常见的有三个：
  其一，PCA 可以理解为降维法，在保留尽可能多的离散程度信息的基础上减少变量的个数，消除变量之间的线性相关性；
  其二，PCA 可以理解为向其他方向上的正交投影，使得投影点的方差最大(Hotelling,1933)；
  其三，它也可以理解为正交投影，使得复原损失最小，这一损失通过数据点与估计点间平方距离的平均值来刻画(Pearson,1901).

下面我们分别考虑这三种定义方式.

1. 降维法

  这里的"维"指的便是变量的个数，在记录数据时，例如采集一个人的信息，需要收集其身高、体重、胸围等数据，这里的身高、体重和胸围即是"变量"；每个人的数据，例如(173(cm), 65(kg), 887(mm))，称为一个样本，或数据点.
  PCA 可以这么理解：一方面，在保留尽可能多的离散程度信息的情况下减少变量的个数；另一方面，消除变量之间的线性相关性(在上述例子中，身高、体重、胸围之间显然具有某种正相关性). 至于为什么要这样做，这就涉及到 PCA 的来历，可参见：A Tutorial on Principal Component Analysis(译).

• 离散程度信息可以通过变量的方差来刻画，方差越大，含有的信息越多；
• 变量的线性相关性可以通过协方差的绝对值来刻画，绝对值越大，相关性越强，协方差为零时线性无关；

  PCA 的思路是，对原有变量进行线性组合得到新变量，使得新变量的方差尽可能大，不同变量间的协方差为零.

下面来看详细 推导过程：
  设 $\small X$ 为 $m$ 维随机变量，$X=\begin{pmatrix}x_1\\x_2\\\vdots\\x_m\end{pmatrix}$对其作变换如下：$PX=Y$其中 $\small P$ 为方阵， $P=(p_{ij})_{m\times m}=\begin{bmatrix}p_1^T\\p_2^T\\ \vdots \\p_m^T\end{bmatrix}$则$\begin{bmatrix}y_1\\ y_2\\ \vdots \\ y_m\end{bmatrix}=Y=PX=\begin{bmatrix}p_{11}x_1+p_{12}x_2+\cdots+p_{1m}x_m \\ p_{21}x_1+p_{22}x_2+\cdots+p_{2m}x_m \\ \vdots \\ p_{m1}x_1+p_{m2}x_2+\cdots+p_{mm}x_m \end{bmatrix}=\begin{bmatrix}p_1^TX\\p_2^TX\\ \vdots \\p_m^TX\end{bmatrix}$可以看到，新变量 $y_i$ 是原变量的线性组合.
$\begin{aligned}Var(y_i)&=E[y_i-E(y_i)]^2\\&=E[(p_i^TX-E(p_i^TX))(p_i^TX-E(p_i^TX))^T]\\&=p_i^TE[(X-E(X))(X-E(X))^T]p_i\\&=p_i^TC_Xp_i\\Cov(y_i,y_j)&=p_i^TC_Xp_j,\,\,i,j=1,2,\cdots,m\end{aligned}$  要使 $\small Var(y_i)$ 尽可能地大，这一点很容易做到，只需按比例缩放 $p_i$ 即可. 不过这样做没有什么意义，也不是我们想要的，因此需要对 $p_i$ 做些限制：设 $p_i$ 为单位向量，即 $\small \Vert p_i \Vert^2=p_i^Tp_i=1$. 我们的目标是合理选择 $p_i$ ，使得 $\small Var(y_i)$ 尽量地大，同时满足 $\small Cov(y_i,y_j)=0,i\neq j$.
  先做些准备工作，因为 $\small C_X$ 是实对称矩阵且正定，所以其特征值均为正数，且存在某正交矩阵 $\small U$，使得 $\small U^TC_XU=D,\,\,D=diag(\lambda_1,\lambda_2,\cdots,\lambda_m)$，其中 $\lambda_1\geq\lambda_2\geq\cdots\geq\lambda_m>0,\,\, U=(u_1\,u_2\,\cdots\,u_m),\,\, u_i$ 为 $\lambda_i$ 的特征向量. 所以 $\small C_X$ 可以表示为 $C_X=UDU^T$  首先，要使 $\small Var(y_1)$ 尽可能地大，
$Var(y_1)=p_1^TC_Xp_1=p_1^TUDU^Tp_1$记 $z_1=U^Tp_1=(z_{11},z_{12},\cdots,z_{1m})^T$，则 $\Vert z_1 \Vert^2=z_{11}^2+z_{12}^2+\cdots+z_{1m}^2=z_1^Tz_1=p_1^TUU^Tp_1=p_1^Tp_1=1$ $\begin{aligned}Var(y_1)&=z_1^TDz_1\\&=z_{11}^2\lambda_1+z_{12}^2\lambda_2+\cdots+z_{1m}^2\lambda_m\\&\leq z_{11}^2\lambda_1+z_{12}^2\lambda_1+\cdots+z_{1m}^2\lambda_1\\&=\lambda_1\end{aligned}$取 $z_1=(1,0,\cdots,0)^T$，等式成立，此时 $\small Var(y_1)$ 取最大值 $\lambda_1,\,\,p_1=Uz_1=u_1$.

  然后，考虑 $p_2$，需满足：$max\,\,Var(y_2)$$s.t.\, Cov(y_1,y_2)=0$即 $max\,\,p_2^TC_Xp_2$$s.t.\,\,p_2^TC_Xp_1=0$同样记 $z_2=U^Tp_2=(z_{21},z_{22},\cdots,z_{2m})^T$，则$p_2^TC_Xp_1=p_2^TUDU^Tp_1=z_2^TDz_1=\lambda_1z_{21}=0$所以 $z_{21}=0$，则 $\Vert z_2 \Vert^2=0+z_{22}^2+\cdots+z_{2m}^2=z_2^Tz_2=p_2^TUU^Tp_2=p_2^Tp_2=1$$\begin{aligned}Var(y_2)&=z_{ 22}^2\lambda_2+z_{ 23}^2\lambda_3+\cdots+z_{2m}^2\lambda_m\\&\leq z_{ 22}^2\lambda_2+z_{ 23}^2\lambda_2+\cdots+z_{2m}^2\lambda_2\\&=\lambda_2\end{aligned}$取 $z_2=(0,1,0,\cdots,0)^T$，等式成立，此时 $\small Var(y_2)$ 取最大值 $\lambda_2$ 且满足 $\small Cov(y_1,y_2)=0,\,p_2=Uz_2=u_2$.

  依次递推下去，求 $p_i$，需满足：$max \,\,Var(y_i)$$s.t.\,Cov(y_j,y_i)=0,\,\,j=1,2,\cdots,i-1$解得 $\small Var(y_i)$ 的最大值为 $\lambda_i$，当 $p_i=u_i$ 时取得最大值.

  综合上述，$p_i=u_i$，即 $P=\begin{bmatrix}p_1^T\\p_2^T\\ \vdots \\p_m^T\end{bmatrix}=\begin{bmatrix}u_1^T\\u_2^T\\ \vdots \\u_m^T\end{bmatrix}=U^T, Y=U^TX$此时$\begin{aligned}C_Y&=\begin{bmatrix}Cov(y_1,y_1) & Cov(y_1,y_2) & \cdots & Cov(y_1,y_m)\\Cov(y_2,y_1) & Cov(y_2,y_2) & \cdots & Cov(y_2,y_m)\\\vdots & \vdots & \ddots & \vdots\\Cov(y_m,y_1) & Cov(y_m,y_2) & \cdots & Cov(y_m,y_m)\end{bmatrix}\\&=\begin{bmatrix}\lambda_1&0&\cdots&0\\0&\lambda_2&\cdots&0\\\vdots&\vdots&\ddots&\vdots\\ 0&0&\cdots&\lambda_m\end{bmatrix}\\&=D\end{aligned}$即 $\small C_Y$ 为对角阵，对角线元素为 $\small C_X$ 的特征值(由大到小排列).
  也可以通过 拉格朗日乘数法 来求解 $p_i$，但不如此方法直观，感兴趣的读者可查阅相关资料或自己求解.

2. 最大方差解释

  PCA 的目的是重新找一组基，这些基向量之间互相垂直，且数据点在基向量方向上投影的方差最大. 记要找 标准正交基 为 $\lbrace p_1,p_2,\cdots,p_m\rbrace,with \,\, p_i^Tp_j=\delta_{ij}$.(这里重点是基向量的方向，与模长无关，所以取基向量为单位向量)
  设 $\small X$ 为 $m\times n$ 的数据矩阵，一行表示一个变量，一列表示一个数据点 or 样本. 例如，在上一部分的例子中，
$X=\begin{bmatrix}173 &159 \\ 65 & 55 \\ 887 & 853\end{bmatrix}$行表示身高、体重、胸围等变量，列表示某个人的数据，$m=3,n=2$.

  对 $\small X$ 进行列分块，$X=(x_1\,x_2\,\cdots\,x_n)$则 $x_j$ 表示数据点，$p_i^Tx_j$ 表示 $x_j$ 在 $p_i$ 方向上的投影，则各数据点在 $p_i$ 方向上投影的方差可以表示为 $\begin{aligned}Var(i)&=\frac{1}{n}\sum_{j=1}^n(p_i^Tx_j-\overline{p_i^Tx_j})^2\\&=\frac{1}{n}\sum_{j=1}^n(p_i^T(x_j-\overline{x_j}))^2\\&=\frac{1}{n}\sum_{j=1}^np_i^T(x_j-\overline{x_j})(x_j-\overline{x_j})^Tp_i\\&=p_i^T(\frac{1}{n}\sum_{j=1}^n(x_j-\overline{x_j})(x_j-\overline{x_j})^T)p_i\\&=p_i^TC_Xp_i\end{aligned}$  首先考虑使 $\small Var(1)$ 最大，这里的 $\small Var(1)$ 与上部分中的 $\small Var(y_1)$ 相同，可利用同样方法得到相同结果，即 $p_1=u_1$，即最大特征值 $\lambda_1$ 的单位特征向量.
  下一步，求 $p_2$，使得 $\small Var(2)$ 最大，同时使 $p_2^Tp_1=0$. 这时细心的读者会发现，上一部分中要求的是 $\small p_2^TC_Xp_1=0$，与这里不同. 仔细想想，真的不同吗？$\begin{aligned}&\because \,\,C_Xp_1=\lambda_1p_1(\lambda_1>0)\\ &\therefore \,\,p_2^TC_Xp_1=\lambda_1 p_2^Tp_1\\ &\therefore \,\,p_2^TC_Xp_1=0 \iff p_2^Tp_1=0\end{aligned}$嘿嘿，怎么样？这下相信两者相同了吧?
  同理，之后的限制条件也相同，即 $\small p_i^TC_Xp_j=0 \iff p_i^Tp_j=0$.

  当 $p_i=u_i$，即 $\lambda_i$ 的单位特征向量时，$p_i$ 方向上数据投影点的方差取最大值 $\lambda_i$ 且不同基向量之间相互垂直. 所以，PCA 要找的一组标准正交基就是协方差矩阵 $\small C_X$ 的单位正交特征向量.

3. 最小均方误差解释

  对数据矩阵 $\small X_{m\times n}$ 进行列分块，每列表示一个数据点，即$X=(x_1\,x_2\,\cdots\,x_n)$ 现用一组标准正交基 $\lbrace p_1,p_2,\cdots,p_m\rbrace$ 重新表示各数据点$x_i=a_{i1}p_1+a_{i2}p_2+\cdots+a_{im}p_m,\,\,i=1,2,\cdots,n$由于这是一组标准正交基，容易求得(点击查看过程)，$a_{ij}=x_i^Tp_j$.

  考虑 $d(d<m)$ 维空间 $\small V_d=span\lbrace p_1,p_2,\cdots,p_d\rbrace$，我们的目的是在 $\small V_d$ 中重新表示样本，同时要保证"损失"最小. 设每个数据点的估计值可以表示为$\widetilde{x}_i=\sum_{j=1}^db_{ij}p_j+\sum_{j=d+1}^mz_jp_j$其中 $b_{ij}$ 与数据点有关，$z_j$ 与数据点无关. 设损失函数为数据点与近似点平方距离的平均值，即$J=\frac{1}{n} \sum_{i=1}^n \Vert x_i-\widetilde{x}_i\Vert^2$为了使该损失函数值最小，我们可以随意选择 $b_{ij},\,z_j$ 和 $\lbrace p_j\rbrace$.

  首先考虑 $b_{ij}$，$x_i-\widetilde{x}_i=\sum_{j=1}^d(a_{ij}-b_{ij})p_j+\sum_{j=d+1}^m(a_{ij}-z_j)p_j$由 $\lbrace p_1,p_2,\cdots,p_m\rbrace$ 是一组标准正交基，所以 $\Vert x_i-\widetilde{x}_i\Vert^2=\sum_{j=1}^d(a_{ij}-b_{ij})^2+\sum_{j=d+1}^m(a_{ij}-z_j)^2$$J=\frac{1}{n} \sum_{i=1}^n \Vert x_i-\widetilde{x}_i\Vert^2=\frac{1}{n} \sum_{i=1}^n(\sum_{j=1}^d(a_{ij}-b_{ij})^2+\sum_{j=d+1}^m(a_{ij}-z_j)^2)$选择 $b_{ij}$ 使 $\small J$ 最小，可以看出当 $b_{ij}=a_{ij}=x_i^Tw_j$ 时，$\small J$ 取最小值，此时 $J=\frac{1}{n} \sum_{i=1}^n\sum_{j=d+1}^m(a_{ij}-z_j)^2=\frac{1}{n} \sum_{j=d+1}^m\sum_{i=1}^n(a_{ij}-z_j)^2$也可通过对 $b_{ij}$ 求导，令偏导数为零，得到相同结果.

  然后，考虑 $z_j$，$\begin{aligned}J&=\frac{1}{n} \sum_{j=d+1}^m\sum_{i=1}^n(z_j^2-2z_ja_{ij}+a_{ij}^2)\\&=\frac{1}{n} \sum_{j=d+1}^m(nz_j^2-2(\sum_{i=1}^na_{ij})z_j+\sum_{i=1}^na_{ij}^2)\end{aligned}$对 $z_j$ 求偏导，令导数为零$\frac{\partial J}{\partial z_j}=2nz_j-2\sum_{i=1}^na_{ij}=0$则$z_j=\frac{1}{n}\sum_{i=1}^na_{ij}= \frac{1}{n}\sum_{i=1}^nx_i^Tp_j=(\frac{1}{n}\sum_{i=1}^nx_i^T)p_j=\overline{x}^Tp_j$此时 $\begin{aligned}J&=\frac{1}{n} \sum_{i=1}^n\sum_{j=d+1}^m(a_{ij}-z_j)^2\\&=\frac{1}{n} \sum_{i=1}^n\sum_{j=d+1}^m(x_i^Tp_j-\overline{x}^Tp_j)^2\\&=\frac{1}{n} \sum_{i=1}^n\sum_{j=d+1}^m((x_i-\overline{x})^Tp_j)((x_i-\overline{x})^Tp_j)\\&=\frac{1}{n} \sum_{j=d+1}^m\sum_{i=1}^np_j^T(x_i-\overline{x})(x_i-\overline{x})^Tp_j\\&= \sum_{j=d+1}^mp_j^T (\frac{1}{n}\sum_{i=1}^n (x_i-\overline{x})(x_i-\overline{x})^T)p_j\\&=\sum_{j=d+1}^m p_j^TC_Xp_j\end{aligned}$

  现在就只剩下最后一个任务，合理选取 $p_1,p_2,\cdots,p_m$，使得 $\small J$ 最小且 $p_i^Tp_j=\delta_{ij}$.

  先令 $d=m-1$，利用与第一部分同样的方法，即根据 $\small C_X$ 正交相似与对角形，求得 $p_m$ 为最小特征值 $\lambda_m$ 的单位特征向量，此时 $\small J$ 的最小值为 $\lambda_m$.
  而后，令 $d=m-2,m-3,\cdots,1$，可得：

  $p_i$ 为特征值 $\lambda_i$ 的单位特征向量，$i=1,2,\cdots,m$，$J$ 的最小值为 $J_{min}=\sum_{j=d+1}^m \lambda_j$
参考文献：
[1] Shlens J. A tutorial on principal component analysis. arXiv preprint arXiv: 14016.1100, 2014.
[2] Christopher M. Bishop. Pattern Recognition and
Machine Learning [M]. Singapore:Springer, 2006.
[3] 周长宇. A Tutorial on Principal Component Analysis(译). https://blog.csdn.net/zhouchangyu1221/article/details/103949967, 2020-01-22.
[4] 范金城,梅长林.数据分析[M].第二版.北京:科学出版社, 2018.

来源：CSDN

作者：zhouchangyu1221

链接：https://blog.csdn.net/zhouchangyu1221/article/details/104098589