在格物匯之前的文章中，我們討論了特征抽取的經(jīng)典算法——主成分分析PCA與線性判別分析LDA的原理與應(yīng)用場景。PCA是一種無監(jiān)督的降維方法，尋找的是讓數(shù)據(jù)方差最大的一種映射；LDA是一種有監(jiān)督的降維方法，尋找的是讓數(shù)據(jù)分類效果最好的一種映射。但是它們?nèi)匀挥袘?yīng)用的局限性，今天我們就一起來了解下。

PCA的局限性

我們先來回顧一下PCA的降維原理：PCA試圖通過旋轉(zhuǎn)找到新的正交基，滿足這樣的兩條性質(zhì)：

1、最近重構(gòu)性：樣本點(diǎn)到新映射的正交基距離足夠接近。

2、最大可分性：樣本點(diǎn)在新正交基上方差最大。

最后我們推導(dǎo)得到：

我們只需要對協(xié)方差矩陣XX^T 進(jìn)行特征值分解，得到的特征值和特征向量即是變換矩陣w的解和改主成分所解釋的方差量。這樣的降維方法是線性的降維方法，即從高維空間到低維空間的函數(shù)映射是線性的。然而在不少應(yīng)用場景中，線性映射可能不能得到想要的結(jié)果，例如如下的例子：S型曲線的本真二維結(jié)構(gòu)是其低維空間的原本形狀，通過線性降維后得到的結(jié)果明顯并不是我們所期望的。

核方法

我們介紹SVM的時候所介紹的核方法是一種可以進(jìn)行升維來生成一些非線性的映射。這個方法我們可以同樣使用在PCA降維分析中。

假設(shè)我們有一個樣本集：

x1,x2?xn

假設(shè)映射函數(shù)為，那么映射到高維以后，數(shù)據(jù)變成：

類似于PCA的求解方法， XX^T經(jīng)過高維映射后得到

，

故：

我們把λ 移動到等號左邊得到：

我們令：

做一個簡單的替換，得到：

代入等式1，得到：

我們在左右兩邊同時乘上

得到：

做一下簡單的改變：

非常幸運(yùn)的是，我們設(shè)計(jì)出了

是否還記得我們在SVM的核函數(shù)中曾經(jīng)驗(yàn)證過，在低維空間計(jì)算(+1)^2得到的結(jié)果與高維空間上計(jì)算

的結(jié)果相似，只是系數(shù)略有不同。因此我們也可以在此應(yīng)用核方法來計(jì)算。我們在此定義核函數(shù)矩陣：

代入上面等式2，便可得到：

即

很明顯，這又回到了特征值分解的問題，取K最大的d個特征值所對應(yīng)的特征向量即可。

小結(jié)

我們通過將數(shù)據(jù)映射到高維以后，巧妙的構(gòu)建出了

目的是為了通過在低維空間上應(yīng)用核函數(shù)，計(jì)算得到跟高維空間上差不多的效果。PCA所做的是對坐標(biāo)軸線性變換，即變換后的新基還是一條直線。而KPCA對坐標(biāo)軸做了非線性變換，數(shù)據(jù)所映射的新基就不再是一條直線了，而是一條曲線或者曲面，如下圖所示：

通過上面這個圖，大家應(yīng)該了解了KPCA和PCA的區(qū)別了吧？好了，本期格物匯的內(nèi)容就到這里，我們下期再見。

本文作者：格創(chuàng)東智OT團(tuán)隊(duì)（轉(zhuǎn)載請注明作者及來源）