PCA与LDA介绍

PCA(主成分分析)

PCA是一种无监督降维方式，它将数据投影到一组互相正交的loading vectors(principal axes)之上，并保证投影后的点在新的坐标轴上的方差最大

1. 记数据集\(X=\begin{bmatrix}\begin{smallmatrix}\vec{x_1}\\\vec{x_2}\\\vdots\\\vec{x_n}\end{smallmatrix}\end{bmatrix}\)为n行p列的矩阵（n个数据，每个数据p维），特征均值为\(\vec{\mu}=(\mu_1, \mu_2, .., \mu_p)\)，数据与均值的差异可表示为\(\tilde{X}=\begin{bmatrix}\begin{smallmatrix}\vec{x_1}-\vec{\mu}\\\vec{x_2}-\vec{\mu}\\\vdots\\\vec{x_n}-\vec{\mu}\end{smallmatrix}\end{bmatrix}\)
2. 假设需求解m个loading vector \(\vec{\phi}_1,\vec{\phi}_2,...,\vec{\phi}_m\)，\({m}\leq{min(n-1,p)}\)，且需满足\(\vec{\phi}_i^T\vec{\phi}_i=1\)以及\(\vec{\phi}_i^T\vec{\phi}_j=0, i\neq{j}\)

3. \(X\)在\(\vec{\phi}_1\)上的投影为\(X\vec{\phi}_1\)，特征均值的投影为\(\vec{\mu}\cdot\vec{\phi}_1\)，则投影后数据与均值的差异可表示为\(\tilde{X}\vec{\phi}_1\)，投影后的方差为\(\vec{\phi}_1^T\tilde{X}^T\tilde{X}\vec{\phi}_1\)（省略了系数\(\frac{1}{n}\)）

4. 记\(Q=\tilde{X}^T\tilde{X}\)，\(Q\)即为数据集X的协方差矩阵。将\(Q\)进行特征值分解\(Q=V\Lambda{V^T}\)，其中\(\Lambda\)为对角矩阵，对角线上的元素为特征值（不失一般性，这里令其按从大到小的顺序排列）；\(V=\begin{bmatrix}\begin{smallmatrix}\vec{v_1}&\vec{v_2}&\cdots&\vec{v_p}\end{smallmatrix}\end{bmatrix}\)为正交矩阵，它的列为对应的特征向量

5. 投影后的方差可以写成\(\vec{\phi}_1^TV\Lambda{V^T}\vec{\phi}_1=\vec{a}_1^T\Lambda\vec{a}_1=\sum_{i=1}^p\lambda_ia_{1i}^2\)，因为\(\sum_{i=1}^pa_{1i}^2=\vec{a}_1^T\vec{a}_1=\vec{\phi}_1^TVV^T\vec{\phi}_1=\vec{\phi}_1^T\vec{\phi}_1=1\)，所以方差的最大值为\(\lambda_1\)，并且仅当\(\vec{\phi}_1=\vec{v}_1\)时取到

6. \(X\)在\(\vec{\phi}_2\)上投影后的方差可以表示为\(\sum_{i=1}^p\lambda_ia_{2i}^2\)（同上步类似，\(\vec{a}_2=V^T\vec{\phi}_2\) ，\(\sum_{i=1}^pa_{2i}^2=1\)），又因为\(a_{21}=\vec{v}_1^T\vec{\phi}_2=\vec{\phi}_1^T\vec{\phi}_2=0\)，所以方差的最大值为\(\lambda_2\)，并且仅当\(\vec{\phi}_2=\vec{v}_2\)时取到

7. 对于\(\vec{\phi}_i, i=3,...,m\)可以按上述步骤依次求得，方差的最大值为\(\lambda_i\)，并且仅当\(\vec{\phi}_i=\vec{v}_i\)时取到

8. 实际应用中首先将数据集\(X\)进行标准化（减去特征均值并除以特征标准差），此时协方差矩阵\(Q=X^TX\)，对\(X\)进行SVD分解，\(X=USV\)，其中\(U\)为n行n列的正交矩阵，列向量为\(XX^T\)的特征向量；\(V\)为p行p列的正交矩阵，列向量为\(X^TX\)的特征向量（即同将\(Q\)进行特征值分解得到的\(V\)）；\(S\)为n行p列的矩阵且非对角线上的元素为0，对角线上的元素\(s_{ii}=\sqrt{\lambda_i}\)

LDA(线性判别分析)

LDA是一种有监督降维方式，假设数据集\(X\)共分为\(K\)个类，需保证投影后的点在新的坐标轴上类内离散度尽可能小，同时类间离散度尽可能大

1. 记\(\vec{\mu}_k\)为第k个类的特征均值，\(\vec{\mu}\)为总体的特征均值，则特征均值的估计值\(\hat{\vec{\mu}}_k=\frac{\sum_{i\in{class}\ {k}}\vec{x}_i}{n_k}\)，\(\hat{\vec{\mu}}=\frac{\sum_{i=1}^n\vec{x}_i}{n}\)
2. 记\(C_k\)为第k个类的协方差矩阵，\(C\)为总体的协方差矩阵，LDA假设\(C_1=C_2=\cdots=C_K=C\)，则协方差矩阵的估计值\(\hat{C}=\sum_{k=1}^K\sum_{i\in{class}\ {k}}(\vec{x}_i-\hat{\vec{\mu}}_k)^T(\vec{x}_i-\hat{\vec{\mu}}_k)\)（省略了系数\(\frac{1}{n-K}\)）
3. 假设投影向量为\(\vec{\phi}\)，第k类中数据与均值的差异可表示为\(\tilde{X}_k=\begin{bmatrix}\begin{smallmatrix}\vec{x}_{k_1}-\hat{\vec{\mu}}_k\\\vec{x}_{k_2}-\hat{\vec{\mu}}_k\\\vdots\\\vec{x}_{k_{n_k}}-\hat{\vec{\mu}}_k\end{smallmatrix}\end{bmatrix}\)，第k类的数据投影后的离散度可表示为\(\vec{\phi}^T\tilde{X}_k^T\tilde{X}_k\vec{\phi}\)，\(K\)个类的类内离散度之和为\(\vec{\phi}^T\sum_{k=1}^K\tilde{X}_k^T\tilde{X}_k\vec{\phi}=\vec{\phi}^T\hat{C}\vec{\phi}\)
4. 由PCA的第三步可以看出投影后数据的总体离散度为\(\vec{\phi}^T\tilde{X}^T\tilde{X}\vec{\phi}\)，其中\(\tilde{X}=\begin{bmatrix}\begin{smallmatrix}\vec{x_1}-\hat{\vec{\mu}}\\\vec{x_2}-\hat{\vec{\mu}}\\\vdots\\\vec{x_n}-\hat{\vec{\mu}}\end{smallmatrix}\end{bmatrix}\)，则类间离散度可以表示为总体与类内离散度之差，即\(\vec{\phi}^T[\tilde{X}^T\tilde{X}-\hat{C}]\vec{\phi}=\vec{\phi}^T[\sum_{k=1}^Kn_k(\hat{\vec{\mu}}-\hat{\vec{\mu}}_k)^T(\hat{\vec{\mu}}-\hat{\vec{\mu}}_k)]\vec{\phi}=\vec{\phi}^TB\vec{\phi}\)
5. 为了使类内离散度尽可能小，同时类间离散度尽可能大，先将类内离散度转化为常数，然后只考虑类间离散度。因此首先进行一个空间变换，使得新空间上的协方差矩阵变为单位矩阵，对\(\hat{C}\)进行特征值分解\(\hat{C}=UDU^T\)，记\(W=UD^{-1/2}\)为空间变换矩阵，新空间上的数据集变为\(X^*=XW\)。假设在新空间上的投影坐标轴为\(\vec{\phi}^*\)，容易看出在新空间上的类内离散度为\(\vec{\phi}^{*T}W^T\hat{C}W\vec{\phi}^*=\vec{\phi}^{*T}W^T\hat{C}W\vec{\phi}^*=\vec{\phi}^{*T}I\vec{\phi}^*=1\)
6. 新空间上的类间离散度变为\(\vec{\phi}^{*T}W^TBW\vec{\phi}^*\)，此时可以参照PCA的做法，在新空间上依次寻找互相正交的坐标轴，使得新空间上的类间离散度最大。对\(W^TBW\)进行特征值分解\(W^TBW=V\Lambda{V^T}\)，容易看出\(\vec{\phi}^{*}_i=\vec{v}_i\)，\(i=1,2,\cdots,m\)，\(m\leq{K-1}\)（证明过程见PCA的5-7步）
7. 综上所述，最终求得的投影向量\(\vec{\phi}_i=W\vec{\phi}^{*}_i\)，\(i=1,2,\cdots,m\)（即对于一个行向量数据\(\vec{x}\)，投影后的值为\(\vec{x}\cdot\vec{\phi}_i\)：先通过\(\vec{x}W\)进行空间变换，再投影到新的坐标空间下的向量\(\vec{\phi}^{*}_i\)上）
8. 对于\(\vec{\phi}^{*}_i\)，有\(W^TBW\vec{\phi}^{*}_i=\lambda_i\vec{\phi}^{*}_i\)，等式两边同时左乘W，有\(WW^TBW\vec{\phi}^{*}_i=\lambda_iW\vec{\phi}^{*}_i\)，即\(UD^{-1}U^TB\vec{\phi}_i=\hat{C}^{-1}B\vec{\phi}_i=\lambda_i\vec{\phi}_i\)。因此上述步骤等价于直接求解\(\hat{C}^{-1}B\)的特征值和特征向量（注意此时的特征向量 \(\vec{\phi}\)不是单位向量\(\vec{\phi}^T\vec{\phi}=1\)，而是需满足\([W^{-1}\vec{\phi}]^TW^{-1}\vec{\phi}=\vec{\phi}^T\hat{C}\vec{\phi}=1\)），将此时对应的特征值按从大到小排列取前m个特征值和特征向量
9. 参考文献: The Elements of Statistical Learning(2nd Edition)