机器学习-降维之奇异值分解SVD算法原理及实战

版权声明：转载请注明出处 https://blog.csdn.net/zhouchen1998/article/details/88993503

奇异值分解

• 简介
  • PCA是通过特征值分解来进行特征提取的，但它要求矩阵必须是方阵，但在实际应用场景中，经常遇到的矩阵都不是方阵，如N个学生，每个学生有M门课程，其中N!=M, 这就组成了一个M*N的非方阵矩阵，这种情况下无法使用主成分分析，也限制了特征值分解方法的使用。而奇异值分解（SVD），是线性代数中重要的一种矩阵分解，该方法对矩阵的形状没有要求。
• 原理
  • 在很多情况下，数据的一小段携带了数据集中大部分信息，而剩下的信息则要么是噪声，要么是毫不相关的信息。利用SVD实现，能够用小得多的数据集来表示原始数据集。这样做，实际上是去除了噪声和冗余数据。同样，当用户试图节省空间时，去除信息也是很有用的。
  • 假设是一个阶矩阵，则存在一个分解使得： $M_{m \times n} = U_{m \times n} \sum_{m \times n} V_{n \times n}^T$
  • 式子中，为 $m\times m$阶酉矩阵； $\sum$为半正定 $m\times n$阶对角矩阵；而 $V^T$，即V的共轭转置，是n*n阶酉矩阵。这样的分解就称为M的奇异值分解。 $\sum$对角线上的元素 $\sum i$，其中i即为M的奇异值。常见的做法是奇异值从大到小排列。
  • 奇异值的优点是：可以简化数据，压缩维度，去除噪声数据，提升算法结果。加快模型计算性能，可以针对任一普通矩阵进行分解（包括样本数小于特征数），不受限于方阵。
  • 奇异值的缺点是：转化后的数据难以理解，如何与具体业务知识对应起来是难点。
  • 那么在解决实际问题时如何知道保留多少个奇异值呢？
    • 一个典型的做法就是保留矩阵中90%的能量信息。为了计算总能量信息，将所有的奇异值求其平方和。于是可以将奇异值的平方和累加到总值的90%为止。
• 实战
  • 使用奇异值分解进行图像压缩
  • u, sigma, v = np.linalg.svd(M)
    • 其中u和v返回矩阵M的左右奇异向量，sigma返回奇异值从大到小排列的一个向量。
  • 前置知识
    • 一般彩色图像就是RGB三个图层上矩阵的叠加，每个元素值为0~255，plt可以直接读取图像，对三个图层一一处理即可。
  • SVD进行压缩步骤
    • 读取图片，分解为RGB三个矩阵。
    • 对三个矩阵分别进行SVD分解，得到对应的奇异值和奇异向量。
    • 按照一定的标准进行奇异值筛选（整体数量的一定百分比，或者奇异值和的一定百分比）。
    • 恢复矩阵。
    • 保存图像。
  • 代码

    •   # -*-coding:utf-8-*-
        import numpy as np
        from matplotlib import pyplot as plt
        
        
        def svdimage(filename, percent):
            """
            读取原始图像数据
            :param filename:
            :param percent:
            :return:
            """
            original = plt.imread(filename)  # 读取图像
            R0 = np.array(original[:, :, 0])  # 获取第一层矩阵数据
            G0 = np.array(original[:, :, 1])  # 获取第二层矩阵数据
            B0 = np.array(original[:, :, 2])  # 获取第三层矩阵数据
            u0, sigma0, v0 = np.linalg.svd(R0)  # 对第一层数据进行SVD分解
            u1, sigma1, v1 = np.linalg.svd(G0)  # 对第二层数据进行SVD分解
            u2, sigma2, v2 = np.linalg.svd(B0)  # 对第三层数据进行SVD分解
            R1 = np.zeros(R0.shape)
            G1 = np.zeros(G0.shape)
            B1 = np.zeros(B0.shape)
            total0 = sum(sigma0)
            total1 = sum(sigma1)
            total2 = sum(sigma2)
        
            # 对三层矩阵逐一分解
            sd = 0
            for i, sigma in enumerate(sigma0):  # 用奇异值总和的百分比来进行筛选
                R1 += sigma * np.dot(u0[:, i].reshape(-1, 1), v0[i, :].reshape(1, -1))
                sd += sigma
                if sd >= percent * total0:
                    break
        
            sd = 0
            for i, sigma in enumerate(sigma1):  # 用奇异值总和的百分比来进行筛选
                G1 += sigma * np.dot(u1[:, i].reshape(-1, 1), v1[i, :].reshape(1, -1))
                sd += sigma
                if sd >= percent * total1:
                    break
        
            sd = 0
            for i, sigma in enumerate(sigma2):  # 用奇异值总和的百分比来进行筛选
                B1 += sigma * np.dot(u2[:, i].reshape(-1, 1), v2[i, :].reshape(1, -1))
                sd += sigma
                if sd >= percent * total2:
                    break
        
            final = np.stack((R1, G1, B1), 2)
            final[final > 255] = 255
            final[final < 0] = 0
            final = np.rint(final).astype('uint8')
            return final
        
        
        if __name__ == '__main__':
            filename = 'data/example.jpg'
            for p in np.arange(.1, 1, .1):
                print('percent is {}'.format(p))
                after = svdimage(filename, p)
                plt.imsave('data/' + str(p) + '_1.jpg', after)
        
      

  • 运行效果（不同压缩比下）
    • 
• 补充说明
  • 参考书为《Python3数据分析与机器学习实战》，对部分错误修改
  • 具体数据集和代码见我的Github，欢迎Star或者Fork