【机器学习笔记】13 降维

降维概述

维数灾难

维数灾难(Curse of Dimensionality)：通常是指在涉及到向量的计算的问题中，随着维数的增加，计算量呈指数倍增长的一种现象。在很多机器学习问题中，训练集中的每条数据经常伴随着上千、甚至上万个特征。要处理这所有的特征的话，不仅会让训练非常缓慢，还会极大增加搜寻良好解决方案的困难。这个问题就是我们常说的维数灾难。
在这里插入图片描述
维数灾难涉及数字分析、抽样、组合、机器学习、数据挖掘和数据库等诸多领域。在机器学习的建模过程中，通常指的是随着特征数量的增多，计算量会变得很大，如特征达到上亿维的话，在进行计算的时候是算不出来的。有的时候，维度太大也会导致机器学习性能的下降，并不是特征维度越大越好，模型的性能会随着特征的增加先上升后下降。

降维

降维(Dimensionality Reduction)是将训练数据中的样本(实例)从高维空间转换到低维空间，该过程与信息论中有损压缩概念密切相关。同时要明白的，不存在完全无损的降维。有很多种算法可以完成对原始数据的降维，在这些方法中，降维是通过对原始数据的线性变换实现的。

为什么要降维
高维数据增加了运算的难度
高维使得学习算法的泛化能力变弱（例如，在最近邻分类器中，样本复杂度随着维度成指数增长），维度越高，算法的搜索难度和成本就越大。
降维能够增加数据的可读性，利于发掘数据的有意义的结构
降维的作用
1.减少冗余特征，降低数据维度
假设我们有两个特征：
𝑥1:长度用厘米表示的身高；𝑥2：是用英寸表示的身高。
这两个分开的特征𝑥1和𝑥2，实际上表示的内容相同，这样其实可以减少数据到一维，只有一个特征表示身高就够了。
很多特征具有线性关系，具有线性关系的特征很多都是冗余的特征，去掉冗余特征对机器学习的计算结果不会有影响。
2.数据可视化
t-distributed Stochastic Neighbor Embedding(t-SNE)
t-SNE（TSNE）将数据点之间的相似度转换为概率。原始空间中的相似度由高斯联合概率表示，嵌入空间的相似度由“学生t分布”表示。虽然Isomap，LLE和variants等数据降维和可视化方法，更适合展开单个连续的低维的manifold。但如果要准确的可视化样本间的相似度关系，如对于下图所示的S曲线（不同颜色的图像表示不同类别的数据），t-SNE表现更好。因为t-SNE主要是关注数据的局部结构

降维的优缺点

降维的优点：
• 通过减少特征的维数，数据集存储所需的空间也相应减少，减少了特征维数所需的计算训练时间；
• 数据集特征的降维有助于快速可视化数据；
• 通过处理多重共线性消除冗余特征。
降维的缺点：
• 由于降维可能会丢失一些数据；
• 在主成分分析(PCA)降维技术中，有时需要考虑多少主成分是难以确定的，往往使用经验法则

SVD(奇异值分解)

**奇异值分解 (Singular Value Decomposition，以下简称 SVD)**是在机器学习领域广泛应用的算法，它不光可以用于降维算法中的特征分解，还可以用于推荐系统，以及自然语言处理等领域。是很多机器学习算法的基石。

SVD可以将一个矩阵 𝐴分解为三个矩阵的乘积：
一个正交矩阵 𝑈(orthogonal matrix)，
一个对角矩阵𝛴 (diagonal matrix)，
一个正交矩阵𝑉的转置。

假设矩阵 𝐴 是一个 𝑚 × 𝑛 的矩阵，通过SVD是对矩阵进行分解，那么我们定义矩阵 𝐴 的 SVD 为：在这里插入图片描述

符号定义
𝐴 = 𝑈𝛴𝑉^T = 𝑢₁𝜎₁𝑣₁^T + ⋯ + 𝑢_𝑟𝜎_𝑟𝑣_𝑟^T
其中𝑈是一个𝑚 × 𝑚的矩阵，每个特征向量𝑢𝑖叫做𝐴 的左奇异向量。
𝛴是一个𝑚 × 𝑛的矩阵，除了主对角线上的元素以外全为 0，主对角线上的每个元素都称为奇异值 𝜎。
𝑉是一个𝑛 × 𝑛的矩阵，每个特征向量𝑣𝑖叫做 𝐴 的右奇异向量。
𝑈 和 𝑉都是酉矩阵，即满足:𝑈^T𝑈 = 𝐼, 𝑉^T𝑉 = 𝐼。
𝑟为矩阵𝐴的秩(rank)。
SVD求解 𝑈矩阵求解
方阵𝐴𝐴^T为𝑚 × 𝑚的一个方阵，那么我们就可以进行特征分解，得到的特
征值和特征向量满足下式：

可以得到矩阵𝐴𝐴^T的 𝑚 个特征值和对应的 𝑚个特征向量𝑢了。
将𝐴𝐴^T的所有特征向量组成一个 𝑚 × 𝑚的矩阵𝑈，就是我们 𝑆𝑉𝐷 公式里面的𝑈 矩阵了。
一般我们将𝑈中的每个特征向量叫做𝐴 的左奇异向量。
注意：𝐴𝐴^T = (𝑈𝛴V^T)(𝑈𝛴V^T)^T = 𝑈(𝛴𝛴^T)U^T
上式证明使用了𝑉^T𝑉 = 𝐼, 𝛴^T = 𝛴。可以看出的𝐴𝐴^T特征向量组成的矩阵就是我们 SVD 中的 𝑈矩阵。
𝑉矩阵求解
如果我们将 𝐴 的转置和 𝐴 做矩阵乘法，那么会得到𝑛 × 𝑛 的一个方阵𝐴^T𝐴。既然𝐴^T𝐴是方阵，那么我们就可以进行特征分解，得到的特征值和特征向量满足下式：

这样我们就可以得到矩阵𝐴^T𝐴的 𝑛个特征值和对应的𝑛个特征向量𝑣了。
将𝐴^T𝐴的所有特征向量组成一个 𝑛 × 𝑛 的矩阵𝑉，就是我们 SVD 公式里面的 𝑉 矩阵了。一般我们将 𝑉中的每个特征向量叫做 𝐴 的右奇异向量。
注意：𝐴𝐴^T = (𝑈𝛴V^T)^T (𝑈𝛴V^T)=V(𝛴^T𝛴)V^T
上式证明使用了U^TU = 𝐼, 𝛴^T = 𝛴。可以看出的𝐴𝐴^T特征向量组成的矩阵就是我们 SVD 中的 V矩阵。

SVD计算案例

在这里插入图片描述

SVD分解可以将一个矩阵进行分解，对角矩阵对角线上的特征值递减存放，而且奇异值的减少特别的快，在很多情况下，前 10%甚至 1%的奇异值的和就占了全部的奇异值之和的 99%以上的比例。
也就是说，对于奇异值，它跟我们特征分解中的特征值类似，我们也可以用最大的 𝑘 个的奇异值和对应的左右奇异向量来近似描述矩阵。
在这里插入图片描述

PCA(主成分分析)

主成分分析（Principal Component Analysis,PCA）是一种降维方法，通过将一个大的特征集转换成一个较小的特征集，这个特征集仍然包含了原始数据中的大部分信息，从而降低了原始数据的维数。
减少一个数据集的特征数量自然是以牺牲准确性为代价的，但降维的诀窍是用一点准确性换取简单性。因为更小的数据集更容易探索和可视化，并且对于机器学习算法来说，分析数据会更快、更容易，而不需要处理额外的特征。
在这里插入图片描述

如何得到这些包含最大差异性的主成分方向呢?
通过计算数据矩阵的协方差矩阵
然后得到协方差矩阵的特征值特征向量
选择特征值最大(即方差最大)的k个特征所对应的特征向量组成的矩阵。
这样就可以将数据矩阵转换到新的空间当中，实现数据特征的降维。

PCA的算法两种实现方法

(1) 基于SVD分解协方差矩阵实现PCA算法

PCA 减少𝑛维到𝑘维：
设有𝑚条𝑛维数据，将原始数据按列组成𝑛行𝑚列矩阵𝑋
第一步是均值归一化。我们需要计算出所有特征的均值，然后令 𝑥_𝑗 = 𝑥_𝑗 − 𝜇_𝑗。（𝜇_𝑗为均值）。如果特征是在不同的数量级上，我们还需要将其除以标准差 𝜎²。
第二步是计算协方差矩阵（covariance matrix）𝛴：
在这里插入图片描述

第三步是计算协方差矩阵𝛴的特征向量（eigenvectors）,可以利用奇异值分解(SVD)来求解。
在这里插入图片描述

(2) 基于特征值分解协方差矩阵实现PCA算法

背景知识
(1) 特征值与特征向量
如果一个向量𝑣是矩阵𝐴的特征向量，将一定可以表示成下面的形式：𝐴𝑣 = 𝜆𝑣
其中，𝜆是特征向量𝐴对应的特征值，一个矩阵的一组特征向量是一组正交向量。
(2)特征值分解矩阵
对于矩阵𝐴 ，有一组特征向量𝑣 ，将这组向量进行正交化单位化，就能得到一组正交单位向量。特征值分解，就是将矩阵𝐴分解为如下式：𝐴 = 𝑃𝛴𝑃⁻¹
其中，𝑃是矩阵𝐴的特征向量组成的矩阵， 𝛴则是一个对角阵，对角线上的元素就是特征值。
备注：对于正交矩阵𝑃，有𝑃⁻¹= 𝑃^T

在这里插入图片描述

PCA的算法案例

在这里插入图片描述

PCA算法优缺点

PCA算法优点
1.仅仅需要以方差衡量信息量,不受数据集以外的因素影响
2.各主成分之间正交,可消除原始数据成分间的相互影响的因素
3.计算方法简单,主要运算时特征值分解,易于实现
4.它是无监督学习,完全无参数限制的
PCA算法缺点
1.主成分各个特征维度的含义具有一定的模糊性,不如原始样本特征的解释性强
2.方差小的非主成分也可能含有对样本差异的重要信息,因降维丢弃可能对后续数据处理有影响