前言：

    第二篇的文章中談到，和部門老大一寧出去outing的時候，他給了我相當多的機器學習的建議，裡面涉及到很多的演算法的意義、學習方法等等。一寧上次給我提到，如果學習分類演算法，最好從線性的入手，線性分類器最簡單的就是LDA，它可以看做是簡化版的SVM，如果想理解SVM這種分類器，那理解LDA就是很有必要的了。

   談到LDA，就不得不談談PCA，PCA是一個和LDA非常相關的演算法，從推導、求解、到演算法最終的結果，都有著相當的相似。

   本次的內容主要是以推導數學公式為主，都是從演算法的物理意義出發，然後一步一步最終推導到最終的式子，LDA和PCA最終的表現都是解一個矩陣特徵值的問題，但是理解了如何推導，才能更深刻的理解其中的含義。本次內容要求讀者有一些基本的線性代數基礎，比如說特徵值、特徵向量的概念，空間投影，點乘等的一些基本知識等。除此之外的其他公式、我都儘量講得更簡單清楚。

LDA：

    LDA的全稱是Linear Discriminant Analysis（線性判別分析），是一種supervised learning。有些資料上也稱為是Fisher’s Linear Discriminant，因為它被Ronald Fisher發明自1936年，Discriminant這次詞我個人的理解是，一個模型，不需要去通過概率的方法來訓練、預測資料，比如說各種貝葉斯方法，就需要獲取資料的先驗、後驗概率等等。LDA是在目前機器學習、資料探勘領域經典且熱門的一個演算法，據我所知，百度的商務搜尋部裡面就用了不少這方面的演算法。

    LDA的原理是，將帶上標籤的資料（點），通過投影的方法，投影到維度更低的空間中，使得投影后的點，會形成按類別區分，一簇一簇的情況，相同類別的點，將會在投影后的空間中更接近。要說明白LDA，首先得弄明白線性分類器(

     當滿足條件：對於所有的j，都有Yk > Yj,的時候，我們就說x屬於類別k。對於每一個分類，都有一個公式去算一個分值，在所有的公式得到的分值中，找一個最大的，就是所屬的分類了。

    上式實際上就是一種投影，是將一個高維的點投影到一條高維的直線上，LDA最求的目標是，給出一個標註了類別的資料集，投影到了一條直線之後，能夠使得點儘量的按類別區分開，當k=2即二分類問題的時候，如下圖所示：

     紅色的方形的點為0類的原始點、藍色的方形點為1類的原始點，經過原點的那條線就是投影的直線，從圖上可以清楚的看到，紅色的點和藍色的點被原點

     假設用來區分二分類的直線（投影函式)為：

    LDA分類的一個目標是使得不同類別之間的距離越遠越好，同一類別之中的距離越近越好，所以我們需要定義幾個關鍵的值。

    類別i的原始中心點為：（Di表示屬於類別i的點)

    類別i投影后的中心點為：

    衡量類別i投影后，類別點之間的分散程度（方差）為：

    最終我們可以得到一個下面的公式，表示LDA投影到w後的損失函式：

   我們分類的目標是，使得類別內的點距離越近越好（集中），類別間的點越遠越好。分母表示每一個類別內的方差之和，方差越大表示一個類別內的點越分散，分子為兩個類別各自的中心點的距離的平方，我們最大化J(w)就可以求出最優的w了。想要求出最優的w，可以使用拉格朗日乘子法，但是現在我們得到的J(w)裡面，w是不能被單獨提出來的，我們就得想辦法將w單獨提出來。

   我們定義一個投影前的各類別分散程度的矩陣，這個矩陣看起來有一點麻煩，其實意思是，如果某一個分類的輸入點集Di裡面的點距離這個分類的中心店mi越近，則Si裡面元素的值就越小，如果分類的點都緊緊地圍繞著mi，則Si裡面的元素值越更接近0.

   帶入Si，將J(w)分母化為：

   同樣的將J(w)分子化為：

   這樣損失函式可以化成下面的形式：

   這樣就可以用最喜歡的拉格朗日乘子法了，但是還有一個問題，如果分子、分母是都可以取任意值的，那就會使得有無窮解，我們將分母限制為長度為1（這是用拉格朗日乘子法一個很重要的技巧，在下面將說的PCA裡面也會用到，如果忘記了，請複習一下高數），並作為拉格朗日乘子法的限制條件，帶入得到：

   這樣的式子就是一個求特徵值的問題了。

   對於N(N>2)分類的問題，我就直接寫出下面的結論了：

   這同樣是一個求特徵值的問題，我們求出的第i大的特徵向量，就是對應的Wi了。

   這裡想多談談特徵值，特徵值在純數學、量子力學、固體力學、計算機等等領域都有廣泛的應用，特徵值表示的是矩陣的性質，當我們取到矩陣的前N個最大的特徵值的時候，我們可以說提取到的矩陣主要的成分（這個和之後的PCA相關，但是不是完全一樣的概念）。在機器學習領域，不少的地方都要用到特徵值的計算，比如說影象識別、pagerank、LDA、還有之後將會提到的PCA等等。

   下圖是影象識別中廣泛用到的特徵臉（eigen face），提取出特徵臉有兩個目的，首先是為了壓縮資料，對於一張圖片，只需要儲存其最重要的部分就是了，然後是為了使得程式更容易處理，在提取主要特徵的時候，很多的噪聲都被過濾掉了。跟下面將談到的PCA的作用非常相關。

    特徵值的求法有很多，求一個D * D的矩陣的時間複雜度是O(D^3), 也有一些求Top M的方法，比如說power method，它的時間複雜度是O(D^2 * M), 總體來說，求特徵值是一個很費時間的操作，如果是單機環境下，是很侷限的。

PCA：

    主成分分析（PCA）與LDA有著非常近似的意思，LDA的輸入資料是帶標籤的，而PCA的輸入資料是不帶標籤的，所以PCA是一種unsupervised learning。LDA通常來說是作為一個獨立的演算法存在，給定了訓練資料後，將會得到一系列的判別函式（discriminate function），之後對於新的輸入，就可以進行預測了。而PCA更像是一個預處理的方法，它可以將原本的資料降低維度，而使得降低了維度的資料之間的方差最大（也可以說投影誤差最小，具體在之後的推導裡面會談到）。

    方差這個東西是個很有趣的，有些時候我們會考慮減少方差（比如說訓練模型的時候，我們會考慮到方差-偏差的均衡），有的時候我們會盡量的增大方差。方差就像是一種信仰（強哥的話），不一定會有很嚴密的證明，從實踐來說，通過儘量增大投影方差的PCA演算法，確實可以提高我們的演算法質量。

    說了這麼多，推推公式可以幫助我們理解。我下面將用兩種思路來推匯出一個同樣的表示式。首先是最大化投影后的方差，其次是最小化投影后的損失（投影產生的損失最小）。

    最大化方差法：

    假設我們還是將一個空間中的點投影到一個向量中去。首先，給出原空間的中心點：

    假設u1為投影向量，投影之後的方差為：

    上面這個式子如果看懂了之前推導LDA的過程，應該比較容易理解，如果線性代數裡面的內容忘記了，可以再溫習一下，優化上式等號右邊的內容，還是用拉格朗日乘子法：

    將上式求導，使之為0，得到：

    這是一個標準的特徵值表示式了，λ對應的特徵值，u對應的特徵向量。上式的左邊取得最大值的條件就是λ1最大，也就是取得最大的特徵值的時候。假設我們是要將一個D維的資料空間投影到M維的資料空間中（M < D)， 那我們取前M個特徵向量構成的投影矩陣就是能夠使得方差最大的矩陣了。

    最小化損失法：

    假設輸入資料x是在D維空間中的點，那麼，我們可以用D個正交的D維向量去完全的表示這個空間（這個空間中所有的向量都可以用這D個向量的線性組合得到）。在D維空間中，有無窮多種可能找這D個正交的D維向量，哪個組合是最合適的呢？

    假設我們已經找到了這D個向量，可以得到：

    我們可以用近似法來表示投影后的點：

    上式表示，得到的新的x是由前M 個基的線性組合加上後D - M個基的線性組合，注意這裡的z是對於每個x都不同的，而b對於每個x是相同的，這樣我們就可以用M個數來表示空間中的一個點，也就是使得資料降維了。但是這樣降維後的資料，必然會產生一些扭曲，我們用J描述這種扭曲，我們的目標是，使得J最小：

    上式的意思很直觀，就是對於每一個點，將降維後的點與原始的點之間的距離的平方和加起來，求平均值，我們就要使得這個平均值最小。我們令：

    將上面得到的z與b帶入降維的表示式：

    將上式帶入J的表示式得到：

      再用上拉普拉斯乘子法（此處略），可以得到，取得我們想要的投影基的表示式為：

    這裡又是一個特徵值的表示式，我們想要的前M個向量其實就是這裡最大的M個特徵值所對應的特徵向量。證明這個還可以看看，我們J可以化為：

    也就是當誤差J是由最小的D - M個特徵值組成的時候，J取得最小值。跟上面的意思相同。

    下圖是PCA的投影的一個表示，黑色的點是原始的點，帶箭頭的虛線是投影的向量，Pc1表示特徵值最大的特徵向量，pc2表示特徵值次大的特徵向量，兩者是彼此正交的，因為這原本是一個2維的空間，所以最多有兩個投影的向量，如果空間維度更高，則投影的向量會更多。

總結：

    本次主要講了兩種方法，PCA與LDA，兩者的思想和計算方法非常類似，但是一個是作為獨立的演算法存在，另一個更多的用於資料的預處理的工作。另外對於PCA和LDA還有核方法，本次的篇幅比較大了，先不說了，以後有時間再談.