Coursera 机器学习第8章（下） Dimensionality Reduction 学习笔记

提示：扫一扫查出行
【扫一扫了解最新限行尾号】
复制提示

8 Dimensionality Reduction
8.3 Motivation
8.3.1 Motivation I: Data Compression
第二种无监督问题：维数约简（Dimensionality Reduction）。
通过维数约简可以实现数据压缩（Data Compression），数据压缩可以减少计算机内存使用，加快算法运算速度。
什么是维数约简：降维。若数据库X是属于n维空间的，通过特征提取或者特征选择的方法，将原空间的维数降至m维，要求n远大于m，满足：m维空间的特性能反映原空间数据的特征，这个过程称之为维数约简。
做道题：

8.3.2 Motivation II: Visualization
数据降维可以可视化数据，使得数据便于观察。
做道题：

8.4 Principal Component Analysis
8.4.1 Principal Component Analysis Problem Formulation
PCA的正式描述：将n维数据投影至由k个正交向量组成的线性空间（k维）并要求最小化投影误差（投影前后的点的距离）（Projection Error）的平方的一种无监督学习算法。

进行PCA之前，先进行均值归一化和特征规范化，使得数据在可比较的范围内。

PCA和线性回归之间的关系。PCA不是线性回归。左图是线性回归，右图是PCA。几点不同：
1.最小化的目标不同。PCA衡量的是orthogonal distance, 而linear regression是所有x点对应的真实值y=g(x)与估计值f(x)之间的vertical distance距离。图中蓝线部分为各自最小化目标。
2.PCA中为的是寻找一个surface，将各feature{x1,x2,...,xn}投影到这个surface后使得各点间variance最大（跟y没有关系，是寻找最能够表现这些feature的一个平面）；而Linear Regression是给出{x1,x2,...,xn}，希望根据x去预测y。

8.4.2 Principal Component Analysis Algorithm
PCA的算法描述，如何将n维数据降至k维：
1.数据预处理。进行特征规范化（feature scaling）和均值归一化（mean normalization）。

均值归一化（mean normalization）：对于某一特征j，求j特征下m个样本的均值u _j =(Σ _m X _j ⁽ⁱ⁾ /m)/m，X _j ⁽ⁱ⁾ 表示第i个样本的第j维特征的value。将m个样本的任一个样本i的j特征分量替换为x ⁽ⁱ⁾ _j -u _j 。显然这时被替换掉的特征的均值为0。

特征缩放（feature scaling）：当特征量的范围跨度很大时使用。x ⁽ⁱ⁾ _j =(x ⁽ⁱ⁾ _j -u _j )/s _j 。s _j 可以是最大值-最小值或者是特征j的标准差。

2. 计算协方差矩阵sigma。对于整个数据集X，sigma=(1/m)*X ^T *X。X是m*n规模。

3.1 如何寻找这个surface？

3.1.1 计算协方差矩阵的特征向量（eigenvectors）U。[U,S,V]=svd(sigma)。协方差均值满足对称正定（symmetric positive definite）。sigma和U的规模是n*n。其中，svd表示奇异值分解（singular value decomposition），比eig要稳定。在matlab中有函数[U,S,V] = svd(A) 返回一个与A同大小的对角矩阵S（由A的特征值组成），两个正交矩阵（实数化的酉矩阵）U和V，且满足A= U*S*V'。若A为m×n阵，则U为m×m阵，V为n×n阵。奇异值在S的对角线上，非负且按降序排列。

3.1.2 取U矩阵的前k列，记为U _reduce (n*k维)，U _reduce 是个正交矩阵。选出这n个特征中最重要的k个，也就是选出特征值最大的k个。

3.2 给定surface，怎样求点到surface投影的value？

3.2.1 Z=X*U _reduce 。其中Z是m*k维的；X是m*n维的；U _reduce 是n*k维；任一列x ⁽ⁱ⁾ 没有x ₀ =1一项，是X中的一个实例。

U是n维向量空间的基底，Z是n维数据集X变换至k维空间后对应的k维数据集（维度减少，个数不变）。

这里有个关于PCA算法上述实现数学证明，注意其中维度的变化：http://www.360doc.com/content/13/1124/02/9482_331688889.shtml

也可以看下面的2个图，和上面讲的相同。

做道题：

8.5 Applying PCA
8.5.1 Reconstruction from Compressed Representation
将压缩后的低纬度数据还原成原始高维度的方法：重构（Reconstruction）。 这里的还原只是近似还原。

具体而言：

1. Z=X*U _reduce ，所以只要X*U _reduce *U _reduce ^-1 =Z*U _reduce ^-1 就可以还原了。

2. U _reduce 正交矩阵，满足U _reduce ^-1 =U _reduce ^T 。

所以映射值X _approx =X*U _reduce *U _reduce ^-1 ==Z*U _reduce ^-1 ==Z*U _reduce ^T 。这里Z是m*k维；U _reduce 是n*k维。

做道题：

ABC

8.5.2 Choosing the Number of Principal Components
如何确定主成分的数量k。
理论上，不断尝试每个k=i(i≤n)，计算下式(a)：

由小到大 ，取第一个满足(a)式的k的值为主成成分的k。

注意：

1.(a)式的分母是数据的总变差（Total Varuation）。

2.(a)式的分子是x和其映射值之间的平均距离。

3.x ⁽ⁱ⁾ _approx 是还原以后的数据。

4.式子右侧的0.01是可变的，可以取0.05,0.1等，用来衡量保留多少主成成分的指标。取0.01，意思是当前k值下，保留了99%的差异性。也是平方投影误差的测量指标，是衡量是否对原始数据做了一个好的近似的标准。

由于实际中的特征量通常具有高度相关性，所以压缩后保留99%的差异性还是有可能的。

但实际上不需要依次尝试不同的k下的(a)式的值来决定是否采用k。

[U,S,V]=svd(Sigma)中得到的S是一个对角矩阵，这里可以证明(1)和(2)等价（也可以这么理解，S _ii 表示的是数据从n维映射到k维以后的数据在第i维的方差，也就是映射以后数据在第i维的离散程度。(1)和(2)表示的都是映射以后的数据还保留原数据特征的程度大小，(1)从数据分布的离散程度，(2)从数据的可恢复程度）：

(1)

(2)

所以只要用(1)代替(2)嵌入到不同k的循环中就可以了。比如原来是求第一个满足(2)≤0.01的k值，那么就可以等价为第一个满足(1)≤0.01的k值。这样就简单很多。

做道题：

8.5.3 Advice for Applying PCA
PCA如何提高机器学习算法的速度并提供一些应用PCA的建议。
将PCA用于监督学习的加速。将训练集抽去对应标签y，对无标签的训练集运行PCA，可以得到映射关系。后期可以将这个关系用于交叉验证集和测试集，但不能用交叉验证集和测试集训练这个映射关系。