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。
1. 回顾特征值和特征向量
特征值和特征向量的定义如下:
Ax=λx其中A 是一个 n×n 的实对称矩阵,x 是一个 n 维向量,则我们说λ 是矩阵A 的一个特征值,而x 是矩阵 A 的特征值λλ所对应的特征向量。
求出特征值和特征向量有什么好处呢? 就是我们可以将矩阵A特征分解。如果我们求出了矩阵A的 n 个特征值 λ1≤λ2≤…≤λn , 以及这 n 个特征值所对应的特征向量 w1,w2,…wn , 如果这 n 个特征向量线性无关,那么矩阵A就可以用下式的特征分解表示:
A=WΣW−1其中W 是这 n 个特征向量所张成的 n×n 维矩阵,而Σ 为这 n 个特征值为主对角线的 n×n 维矩阵。
一般我们会把 W 的这 n 个特征向量标准化,即满足 ll will2 = 1 , 或者说 wTiwi=1 此时W 的n 个特征向量为标准正交基,满足 WTW=I ,即 WT=W−1 , 也就是说W为酉矩阵。
这样我们的特征分解表达式可以写成 :
A=WΣWT注意到要进行特征分解,矩阵A必须为方阵。那么如果A不是方阵,即行和列不相同时,我们还可以对矩阵进行分解吗?答案是可以,此时 我们的SVD登场了。
2. SVD的定义
SVD也是对矩阵进行分解,但是和特征分解不同,SVD并不要求要分解的矩阵为方阵。假设我们的矩阵A是一个 m×n 的矩阵,那么我们定义矩阵A的SVD为:
A=UΣVT其中U 是一个m×m 的矩阵,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,V 是一个n×n 的矩阵。U 和V 都是酉矩阵,即满足UTU=I,VTV=I 。下图可以很形象的看出上面SVD的定义:

那么我们如何求出SVD分解后的 U,Σ,V 这三个矩阵呢?
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 ATA。既然 ATA 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:
(ATA)vi=λivi这样我们就可以得到矩阵ATA 的 n 个特征值和对应的 n 个特征向量v 了。n 个特征值形成的矩阵\(\Lambda_{1}\) , 矩阵\(\Lambda_{1}\) 的大小 n×n。将ATA 的所有特征向量张成一个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(right singular vector)。
如果我们将A和A的转置做矩阵乘法,那么会得到 m×m 的一个方阵 AAT 。既然AAT 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:
(AAT)ui=λiui这样我们就可以得到矩阵 AAT 的 m 个特征值和对应的m 个特征向量 u 了。m 个特征值形成的矩阵\(\Lambda_{2}\) , 矩阵\(\Lambda_{2}\) 的大小 m×m 。将AAT 的所有特征向量张成一个 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(left singular vector)。
矩阵 Λ1 和矩阵 Λ2的大小不同,但矩阵 Λ1 和矩阵 Λ2对角线上的非零元素却是相同的。
U和V我们都求出来了,现在就剩下奇异值矩阵 Σ 没有求出了。由于Σ 除了对角线上是奇异值其他位置都是0,那我们只需要求出每个奇异值 σ 就可以了。
我们注意到:
A=UΣVT⇒AV=UΣVTV⇒AV=UΣ⇒Avi=σiui⇒σi=Avi/ui这样我们可以求出我们的每个奇异值,进而求出奇异值矩阵 Σ。
上面还有一个问题没有讲,就是我们说 ATA 的特征向量组成的就是我们SVD中的V矩阵,而 AAT 的特征向量组成的就是我们SVD中的U矩阵,这有什么根据吗?这个其实很容易证明,我们以V矩阵的证明为例。
A=UΣVT⇒AT=VΣTUT⇒ATA=VΣTUTUΣVT=VΣ2VT上式证明使用了: UTU=I,ΣTΣ=Σ2 。可以看出 ATA 的特征向量组成的的确就是我们SVD中的V矩阵。类似的方法可以得到 AAT 的特征向量组成的就是我们 SVD 中的 U 矩阵。
进一步我们还可以看出我们的特征值矩阵等于奇异值矩阵的平方,也就是说特征值和奇异值满足如下关系:
σi=√λi样也就是说,我们可以不用 σi=Avi/ui 来计算奇异值,也可以通过求出 ATA 的特征值取平方根来求奇异值。
3. SVD计算举例
这里我们用一个简单的例子来说明矩阵是如何进行奇异值分解的。我们的矩阵A定义为:
A=(011110)我们首先求出ATA 和 AAT :
ATA=(011110)(011110)=(2112)进而求出 ATA 的特征值和特征向量:
λ1=3;v1=(1/√21/√2);λ2=1;v2=(−1/√21/√2)接着求 AAT 的特征值和特征向量:
λ1=3;u1=(1/√62/√61/√6);λ2=1;u2=(1/√20−1/√2);λ3=0;u3=(1/√3−1/√31/√3)利用 Avi=σiui,i=1,2 求奇异值:
(011110)(1/√21/√2)=σ1(1/√62/√61/√6)⇒σ1=√3当然,我们也可以用 σi=√λi 直接求出奇异值为 √3 和 1.
最终得到A的奇异值分解为:
A=UΣVT=(1/√61/√21/√32/√60−1/√31/√6−1/√21/√3)(√300100)(1/√21/√2−1/√21/√2)4. SVD的一些性质
上面我们对SVD的定义和计算做了详细的描述,似乎看不出我们费这么大的力气做SVD有什么好处。那么SVD有什么重要的性质值得我们注意呢?
对于奇异值,它跟我们特征分解中的特征值类似,在奇异值矩阵中也是按照从大到小排列,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,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。也就是说:
Am×n=Um×mΣm×nVTn×n≈Um×kΣk×kVTk×n其中 k 要比 n 小很多,也就是一个大的矩阵A可以用三个小的矩阵 Um×k,Σk×k,VTk×n 来表示。如下图所示,现在我们的矩阵A只需要灰色的部分的三个小矩阵就可以近似描述了。

由于这个重要的性质,SVD可以用于PCA降维,来做数据压缩和去噪。也可以用于推荐算法,将用户和喜好对应的矩阵做特征分解,进而得到隐含的用户需求来做推荐。同时也可以用于NLP中的算法,比如潜在语义索引(LSI)。
5. SVD用于PCA
在主成分分析(PCA)原理总结中,要用PCA降维,需要找到样本协方差矩阵 XTX 的最大的d个特征向量,然后用这最大的d个特征向量张成的矩阵来做低维投影降维。可以看出,在这个过程中需要先求出协方差矩阵 XTX ,当样本数多样本特征数也多的时候,这个计算量是很大的。
注意到我们的SVD也可以得到协方差矩阵 XTX 最大的d个特征向量张成的矩阵,但是SVD有个好处,有一些SVD的实现算法可以不求先求出协方差矩阵 XTX ,也能求出我们的右奇异矩阵V 。也就是说,我们的PCA算法可以不用做特征分解,而是做SVD来完成。这个方法在样本量很大的时候很有效。实际上,scikit-learn
的PCA
算法的背后真正的实现就是用的SVD,而不是我们我们认为的暴力特征分解。
另一方面,注意到PCA仅仅使用了我们SVD的右奇异矩阵,没有使用左奇异矩阵,那么左奇异矩阵有什么用呢?
假设我们的样本是 m×n 的矩阵X,如果我们通过SVD找到了矩阵 XXT 最大的d个特征向量张成的 m×d 维矩阵 U,则我们如果进行如下处理:
X′d×n=UTd×mXm×n可以得到一个d×n 的矩阵 X‘,这个矩阵和我们原来的 m×n 维样本矩阵X相比,行数从m减到了d,可见对行数进行了压缩。也就是说,左奇异矩阵可以用于行数的压缩。相对的,右奇异矩阵可以用于列数即特征维度的压缩,也就是我们的PCA降维。
6. SVD小结
SVD作为一个很基本的算法,在很多机器学习算法中都有它的身影,特别是在现在的大数据时代,由于SVD可以实现并行化,因此更是大展身手。SVD的原理不难,只要有基本的线性代数知识就可以理解,实现也很简单因此值得仔细的研究。当然,SVD的缺点是分解出的矩阵解释性往往不强,有点黑盒子的味道,不过这不影响它的使用。
7. python 代码
In [1]: import numpy as np
In [2]: np.set_printoptions(suppress=True)
In [3]: a = np.array([[0,1],
...: [1,1],
...: [1,0]])
In [4]: a = np.mat(a)
In [5]: a
Out[5]:
matrix([[0, 1],
[1, 1],
[1, 0]])
In [6]: a.T*a
Out[6]:
matrix([[2, 1],
[1, 2]])
In [7]: a*a.T
Out[7]:
matrix([[1, 1, 0],
[1, 2, 1],
[0, 1, 1]])
In [8]: u, sigma, vt = np.linalg.svd(a)
In [9]: u
Out[9]:
matrix([[-0.40824829, 0.70710678, 0.57735027],
[-0.81649658, 0. , -0.57735027],
[-0.40824829, -0.70710678, 0.57735027]])
In [10]: vt
Out[10]:
matrix([[-0.70710678, -0.70710678],
[-0.70710678, 0.70710678]])
In [11]: sigma
Out[11]: array([1.73205081, 1. ])
In [12]: S = np.zeros([3,2])
...: for i in range(2):
...: S[i][i] = sigma[i]
...:
In [13]: S
Out[13]:
array([[1.73205081, 0. ],
[0. , 1. ],
[0. , 0. ]])
# 还原
In [14]: tmp = np.dot(u,S)
In [15]: tmp
Out[15]:
matrix([[-0.70710678, 0.70710678],
[-1.41421356, 0. ],
[-0.70710678, -0.70710678]])
In [17]: np.dot(tmp,vt)
Out[17]:
matrix([[ 0., 1.],
[ 1., 1.],
[ 1., -0.]])
有几点需要注意的地方:
- python 中的 svd 分解得到的 VT 就是 V 的转置。
- sigma 本来应该跟A矩阵的大小 3×2 一样 , Python中svd后得到的sigma是一个行向量,Python中为了节省空间只保留了 A 的奇异值,所以我们需要将它还原为奇异值矩阵。同时需要注意的是,比如一个 3×2 大小的矩阵的奇异值只有两个,但是他的奇异值矩阵应该是 3×2 的,所以后面的我们需要手动补零,并不能直接使用
diag
将sigma对角化。