最近突然看到一个问题，PCA和SVD有什么关系？隐约记得自己照猫画虎实现的时候PCA的时候明明用到了SVD啊，但SVD（奇异值分解）和PCA的（特征值分解）貌似差得相当远，由此钻下去搜集了一些资料，把我的一些收获总结一下，以免以后再忘记。

PCA的简单推导

PCA有两种通俗易懂的解释，1)是最大化投影后数据的方差(让数据更分散)；2)是最小化投影造成的损失。这两个思路最后都能推导出同样的结果。

下图应该是对PCA第二种解释展示得最好的一张图片了(ref:svd,pca,relation)

</img>

图示的数据都已经去中心化了（中心点为原点），这一步操作可以简单地通过$x_i=x_i-\bar{x}$ 来达到，其中$\bar{x}$是样本的均值，为方便表示，后文的$x$都是去中心化后的结果。

可以看到PCA所谓的降维操作就是找到一个新的坐标系（旋转的两条直线式垂直的，我们可以用一组标准正交基${u_j},\small{j=1,…,n}$来指示），然后减掉其中一些维度，使误差足够小。

假设我们要找的投影方向是$u_j$ ($u_j$是单位向量,即$u_j^Tu_j=1$) ,点$x_i$在该方向上的投影就是$({x_i^T}u_j)u_j$，减掉这个维度造成的误差为： $\begin{align} J_j &=\frac1m \sum\limits_{i=1}^{m}(x_i^Tu_j)^2 \\ &=\frac1m(x^Tu_j)^2\\ &=\frac1m(x^Tu_j)^T(x^Tu_j)\\ &=\frac1mu_j^Txx^Tu_j \end{align}$ 将$\frac1mxx^T$记作$S$，假设我们要减去t个维度，则需要最小化 $\begin{align} J=\sum\limits_{j=n-t}^{n}u_j^TSu_j\\ s.t. u_j^Tu_j=1 \end{align}$

此时使用拉格朗日乘子法使得 $\begin{align} \tilde{J} = \sum\limits_{j=n-t}^{n}u_j^TSu_j+\lambda_j(1-u_j^Tu_j) \end{align}$ 最小化上式子，求导有 $\begin{align} \frac{\delta\tilde{J}}{\delta{u_j}}=Su_j-\lambda_ju_j \end{align}$ 使其为0则得到 $\begin{align} Su_j=\lambda_ju_j \end{align}$ 这是标准的特征值的定义，$\lambda_j$就是特征值，$u_j$是对应的特征向量，所以对$S$进行特征值分解就可求得解，将上式带回到原始的$J$中，可得 $\begin{align} J&=\sum\limits_{j=n-t}^{n}u_j^TSu_j\\ &= \sum\limits_{j=n-t}^{n}u_j^T\lambda_ju_j\\ &= \sum\limits_{j=n-t}^{n}\lambda_j \end{align}$ 所以要使J最小，就去掉变换后维度中最小的t个特征值对应的维度就好了。

现在，我们再回过头看PCA的流程，就会发现一切都对应上了：

对数据去中心化

计算$XX^T$，注:这里除或不除样本数量$M$或$M-1$其实对求出的特征向量没影响

对$XX^T$进行特征分解

选取特征值最大的几个维度进行数据映射。（去掉较小的维度）

遗留问题

看到这有人要问了，我咋记得标准流程是计算矩阵的协方差矩阵呢？我们来看协方差矩阵的计算公式：

$\begin{align} \Sigma=\mathrm{E} \left[ \left( \textbf{x} - \mathrm{E}[\textbf{x}] \right) \left( \textbf{x} - \mathrm{E}[\textbf{x}] \right)^\top \right] \end{align}$

一开始我们的去中心化步骤其实就是计算了$ \left( \textbf{x} - \mathrm{E}[\textbf{x}]\right)$，然后$S=\frac1mxx^T$其实就是协方差矩阵，注意这里取的$\frac1m$，实际操作中，应该是$\frac1{m-1}$，才是标准的协方差矩阵，但这对最后找到的特征向量没有影响，对特征值之间的大小关系也没有影响。

所以到这一步标准的流程是（为了实现方便，下面代码中的矩阵$X$与其实是上面推导中的$X^T$,每一行是一个样本，同时从这里开始的推导使用与代码一致的表示方法）：

def pca_01(X):
    covMat = np.cov(X,rowvar = 0)
    eigVal,eigVec = sp.linalg.eig(covMat)
    #do reduction with eigVal,eigVec

但因为最后用于变换的矩阵需要是去中心化后的，所以有些地方的实现是：

def pca_02(X):
    mean_ = np.mean(X, axis=0)
    X = X - mean_
    covMat = np.cov(X,rowvar = 0)#实际上是否去中心化对求到的协方差矩阵并无影响,只是方便后面进行降维
    eigVal,eigVec = sp.linalg.eig(covMat)
    #do reduction with eigVal,eigVec

使用矩阵乘法的方式：

def pca_03(X):
    mean_ = np.mean(X, axis=0)
    X = X - mean_
    M,N=X.shape
    Sigma=np.dot(X.transpose(),X)/(M-1)
    eigVal,eigVec = sp.linalg.eig(Sigma)
    #do reduction with eigVal,eigVec

这跟SVD有啥关系？

一开始说到隐约记得当时时间PCA的时候用到了SVD，但通过上面的推到我们发现需要的是特征值分解，这又是怎么回事呢？

首先来看SVD的解释：奇异值分解

$X=U\Sigma V^T,$
其中U是m×m阶酉矩阵；Σ是m×n阶非负实数对角矩阵；而V*，即V的共轭转置，是n×n阶酉矩阵。这样的分解就称作X的奇异值分解

并且：

在矩阵M的奇异值分解中 ${\displaystyle X=U\Sigma V^{*},\,} \,$
1. $V$的列（columns）组成一套对 ${\displaystyle X\,}$的正交”输入”或”分析”的基向量。这些向量是 ${ X^{T}X}$的特征向量。
2. $U$的列（columns）组成一套对 ${\displaystyle X\,}$的正交”输出”的基向量。这些向量是${ XX^{T}}$的特征向量。
3. $Σ$对角线上的元素是奇异值，可视为是在输入与输出间进行的标量的”膨胀控制”。这些是${ XX^{T}}$及${ X^{T}X}$的特征值的非零平方根，并与U和V的行向量相对应。

我们看到了熟悉的”特征向量”,还是${ X^{T}X}$和${ XX^{T}}$的，毫无疑问这个的结果能直接用于PCA降维。
上面这几句话都是可以推导出来的，在展开之前我们看两段代码，表示了SVD在PCA中两种不同用法：

def pca_04(X):
    mean_ = np.mean(X, axis=0)
    X = X - mean_
    M,N=X.shape
    Sigma=np.dot(X.transpose(),X) #这里直接去掉/(M-1)方便和pca_05比较，对求得特征向量无影响
    U,S,V = sp.linalg.svd(Sigma);
    eigVal,eigVec = S,U
    #do reduction with eigVal,eigVec

可以看到在pca_03的基础上我们把sp.linalg.eig改用了sp.linalg.svd，这涉及到：
结论1：协方差矩阵（或$X^TX$）的奇异值分解结果和特征值分解结果一致。

def pca_05(X):
    mean_ = np.mean(X, axis=0)
    X = X - mean_
    U, S, V = sp.linalg.svd(X)
    eigVal,eigVec = S,V
    #do reduction with eigVal,eigVec

我们直接使用了去中心化后的SVD分解结果用于PCA降维，也是正确的，因为：
结论2：$V$的列（columns）组成一套对 ${\displaystyle X\,}$的正交”输入”或”分析”的基向量。这些向量是 ${ X^{T}X}$的特征向量。

首先我们需要推导出结论2：

根据奇异值分解的定义： $\begin{equation} X = U\Sigma V^T \end{equation}$ 则 $\begin{align} X^TX &= V\Sigma U^T U\Sigma V^T \\ &=V\Sigma^2V^T\\ &=V\Sigma^2V^{-1} \end{align}$ $\Sigma$是对角矩阵，U是标准正交基（酉矩阵），V是标准正交基（$VV^T=I;V=V^{-1}$）而又有$X^TX$是一个对称的半正定矩阵,它可以通过特征值分解为（$\Lambda$是对角化特征值，$Q$是特征向量）： \begin{align} X^TX&=Q\Lambda{Q^{-1}} \end{align} 可以看到上下两个形式保持了一致，当限定了特征值的顺序后，这样的组合是唯一的，所以结论2是成立的：$V$是$X^TX$的特征向量，奇异值和特征值是平方关系 $\begin{align} V&=Q\\ \Lambda&=\Sigma^2 \end{align}$ 奇异值和特征值的平方关系这个结论可以通过运行pca_04和pca_05验证：

PCA_04: eigVal：[ 21.60311815 8.77188185]
eigVec： [[-0.88734696 -0.46110235] [-0.46110235 0.88734696]]

PCA_05: eigVal：[ 4.64791546 2.96173629]
eigVec： [[ 0.88734696 0.46110235] [-0.46110235 0.88734696]]
#注意PCA_05结果中特征向量维度的符号，和上面不太一样，但这不影响降维的功能，每一列是一组基

对于结论一：

我们对$X^TX$进行SVD分解(为了加以区分，下标为2)： $\begin{align} X^TX = U_2\Sigma_2V_2^T \end{align}$ 由于SVD分解的性质中的第二条

2.$U$的列（columns）组成一套对 ${\displaystyle X\,}$的正交”输出”的基向量。这些向量是${ XX^{T}}$的特征向量。

所以$U_2$是矩阵$X^TXX^TX$的特征向量，而由： $\begin{align} X^TXX^TX &= U_2\Sigma_2V_2^T(U_2\Sigma_2V_2^T)^T\\ &=U_2\Sigma_2^2U_2^T \end{align}$ 根据矩阵的特征值分解： $\begin{align} X^TX = Q_2\Lambda_2 Q_2^{-1}\\ X^TXX^TX = Q_2\Lambda_2^2Q_2^{-1} \end{align}$ 所以有： $\begin{align} U_2=Q_2\\ \Sigma^2=\Lambda^2 \end{align}$ 能得到这样的结果是因为$X^TX$本身是对称的半正定矩阵。

用SVD有啥好处？

很多地方对PCA的实现都是使用的SVD，这样做的优点有哪些呢？从这里看到一些解释
一来因为SVD没有计算$X^TX$这一步，而矩阵中一些非常小的数容易在平方中丢失。
二来在一些实现中，SVD的速度比特征值分解要快很多，充分地利用了协方差矩阵的性质。

PCA和SVD的应用

PCA是不必多说，一提到降维方法首先想到的就是PCA，关于降维方法后面可能还会找时间整理一些有意思的算法，我们可以看到对这些算法都有很intuitive的解释，搞懂是如何从intuition到公式再到计算步骤，是一个非常有意思的过程\。如果只是停留在了解算法思想和流程，然后拿着库用一用，会丢掉很多有意思的东西。
除了常规的PCA，好像还有一些PCA的改进算法（从PRML的目录看起来^_^），等后面有时间研究一下一并奉上（如果有意思）。

SVD其实是众多矩阵分解的一种，除了在PCA上使用，也有用于推荐，在推荐领域的svd算法形式上并不能和标准的奇异值分解对应上，但其思路是相通的，具体可以参考协同过滤算法实现。同时SVD也可以很方便地算出矩阵的伪逆，这在最小二乘中有应用：
$\begin{align} X^{-1} = V\Sigma^{-1}U^T \end{align}$

总结

PCA有很好的直觉解释，一些可视化也很直观，所以往往忽视了其中的一些细节，深入地了解下来发现了很多有意思的东西，很有收获。笔者水平有限，如果文中有什么错误，还请告知，不甚感谢。

从PCA和SVD的关系拾遗