在机器学习中的矩阵向量求导(三) 矩阵向量求导之微分法中，我们讨论了使用微分法来求解矩阵向量求导的方法。但是很多时候，求导的自变量和因变量直接有复杂的多层链式求导的关系，此时微分法使用起来也有些麻烦。需要一些简洁的方法。
本文我们讨论矩阵向量求导链式法则，使用该法则很多时候可以帮我们快速求出导数结果。
本文的标量对向量的求导，标量对矩阵的求导使用分母布局， 向量对向量的求导使用分子布局。如果遇到其他资料求导结果不同，请先确认布局是否一样。
1. 向量对向量求导的链式法则
首先我们来看看向量对向量求导的链式法则。假设多个向量存在依赖关系，比如三个向量$mathbf{x} o mathbf{y} o mathbf{z}$存在依赖关系，则我们有下面的链式求导法则：$$frac{partial mathbf{z}}{partial mathbf{x}} = frac{partial mathbf{z}}{partial mathbf{y}}frac{partial mathbf{y}}{partial mathbf{x}}$$
该法则也可以推广到更多的向量依赖关系。但是要注意的是要求所有有依赖关系的变量都是向量，如果有一个$mathbf{Y}$是矩阵，，比如是$mathbf{x} o mathbf{Y} o mathbf{z}$， 则上式并不成立。
从矩阵维度相容的角度也很容易理解上面的链式法则，假设$mathbf{x} , mathbf{y} ,mathbf{z}$分别是$m,n.p$维向量，则求导结果$frac{partial mathbf{z}}{partial mathbf{x}}$是一个$p imes m$的雅克比矩阵，而右边$frac{partial mathbf{z}}{partial mathbf{y}}$是一个$p imes n$的雅克比矩阵，$frac{partial mathbf{y}}{partial mathbf{x}}$是一个$n imes m$的矩阵，两个雅克比矩阵的乘积维度刚好是$p imes m$，和左边相容。
2. 标量对多个向量的链式求导法则
在我们的机器学习算法中，最终要优化的一般是一个标量损失函数，因此最后求导的目标是标量，无法使用上一节的链式求导法则，比如2向量，最后到1标量的依赖关系：$mathbf{x} o mathbf{y} o z$，此时很容易发现维度不相容。
假设$mathbf{x} , mathbf{y} $分别是$m,n$维向量, 那么$frac{partial z}{partial mathbf{x}}$的求导结果是一个$m imes 1$的向量, 而$frac{partial z}{partial mathbf{y}}$是一个$n imes 1$的向量，$frac{partial mathbf{y}}{partial mathbf{x}}$是一个$n imes m$的雅克比矩阵,右边的向量和矩阵是没法直接乘的。
但是假如我们把标量求导的部分都做一个转置，那么维度就可以相容了，也就是：$$(frac{partial z}{partial mathbf{x}})^T = (frac{partial z}{partial mathbf{y}})^Tfrac{partial mathbf{y}}{partial mathbf{x}} $$
但是毕竟我们要求导的是$(frac{partial z}{partial mathbf{x}})$,而不是它的转置，因此两边转置我们可以得到标量对多个向量求导的链式法则：$$frac{partial z}{partial mathbf{x}} = (frac{partial mathbf{y}}{partial mathbf{x}} )^Tfrac{partial z}{partial mathbf{y}}$$
如果是标量对更多的向量求导,比如$mathbf{y_1} o mathbf{y_2} o ... o mathbf{y_n} o z$，则其链式求导表达式可以表示为：$$frac{partial z}{partial mathbf{y_1}} = (frac{partial mathbf{y_n}}{partial mathbf{y_{n-1}}} frac{partial mathbf{y_{n-1}}}{partial mathbf{y_{n-2}}} ...frac{partial mathbf{y_2}}{partial mathbf{y_1}})^Tfrac{partial z}{partial mathbf{y_n}}$$
这里我们给一个最常见的最小二乘法求导的例子。最小二乘法优化的目标是最小化如下损失函数:$$l=(X heta - y)^T(X heta - y)$$
我们优化的损失函数$l$是一个标量，而模型参数$ heta$是一个向量，期望L对$ heta$求导，并求出导数等于0时候的极值点。我们假设向量$z = X heta - y$, 则$l=z^Tz$， $ heta o z o l$存在链式求导的关系，因此：$$frac{partial l}{partial mathbf{ heta}} = (frac{partial z}{partial heta} )^Tfrac{partial l}{partial mathbf{z}} = X^T(2z) =2X^T(X heta - y)$$
其中最后一步转换使用了如下求导公式：$$frac{partial X heta - y}{partial heta} = X$$ $$frac{partial z^Tz}{partial z} = 2z$$
这两个式子我们在前几篇里已有求解过，现在可以直接拿来使用了，非常方便。
当然上面的问题使用微分法求导数也是非常简单的，这里只是给出链式求导法的思路。
3. 标量对多个矩阵的链式求导法则
下面我们再来看看标量对多个矩阵的链式求导法则，假设有这样的依赖关系：$mathbf{X} o mathbf{Y} o z$,那么我们有：$$frac{partial z}{partial x_{ij}} = sumlimits_{k,l}frac{partial z}{partial Y_{kl}} frac{partial Y_{kl}}{partial X_{ij}} =tr((frac{partial z}{partial Y})^Tfrac{partial Y}{partial X_{ij}})$$
这里大家会发现我们没有给出基于矩阵整体的链式求导法则，主要原因是矩阵对矩阵的求导是比较复杂的定义，我们目前也未涉及。因此只能给出对矩阵中一个标量的链式求导方法。这个方法并不实用，因为我们并不想每次都基于定义法来求导最后再去排列求导结果。
虽然我们没有全局的标量对矩阵的链式求导法则，但是对于一些线性关系的链式求导，我们还是可以得到一些有用的结论的。
我们来看这个常见问题：$A,X,B,Y$都是矩阵，$z$是标量，其中$z= f(Y), Y=AX+B$,我们要求出$frac{partial z}{partial X}$,这个问题在机器学习中是很常见的。此时，我们并不能直接整体使用矩阵的链式求导法则，因为矩阵对矩阵的求导结果不好处理。
这里我们回归初心，使用定义法试一试,先使用上面的标量链式求导公式：$$frac{partial z}{partial x_{ij}} = sumlimits_{k,l}frac{partial z}{partial Y_{kl}} frac{partial Y_{kl}}{partial X_{ij}}$$
我们再来看看后半部分的导数：$$ frac{partial Y_{kl}}{partial X_{ij}} = frac{partial sumlimits_s(A_{ks}X_{sl})}{partial X_{ij}} = frac{partial A_{ki}X_{il}}{partial X_{ij}} =A_{ki}delta_{lj}$$
其中$delta_{lj}$在$l=j$时为1，否则为0.
那么最终的标签链式求导公式转化为：$$frac{partial z}{partial x_{ij}} = sumlimits_{k,l}frac{partial z}{partial Y_{kl}} A_{ki}delta_{lj} = sumlimits_{k}frac{partial z}{partial Y_{kj}} A_{ki}$$
即矩阵$A^T$的第i行和$frac{partial z}{partial Y} $的第j列的内积。排列成矩阵即为：$$frac{partial z}{partial X} = A^Tfrac{partial z}{partial Y}$$
总结下就是：$$z= f(Y), Y=AX+B o frac{partial z}{partial X} = A^Tfrac{partial z}{partial Y}$$
这结论在$mathbf{x}$是一个向量的时候也成立，即：$$z= f(mathbf{y}), mathbf{y}=Amathbf{x}+mathbf{b} o frac{partial z}{partial mathbf{x}} = A^Tfrac{partial z}{partial mathbf{y}}$$
如果要求导的自变量在左边，线性变换在右边，也有类似稍有不同的结论如下，证明方法是类似的，这里直接给出结论：$$z= f(Y), Y=XA+B o frac{partial z}{partial X} = frac{partial z}{partial Y}A^T$$ $$z= f(mathbf{y}), mathbf{y}=Xmathbf{a}+mathbf{b} o frac{partial z}{partial mathbf{X}} = frac{partial z}{partial mathbf{y}}a^T$$
使用好上述四个结论，对于机器学习尤其是深度学习里的求导问题可以非常快的解决,大家可以试一试。
4. 矩阵向量求导小结
矩阵向量求导在前面我们讨论三种方法，定义法，微分法和链式求导法。在同等情况下，优先考虑链式求导法，尤其是第三节的四个结论。其次选择微分法、在没有好的求导方法的时候使用定义法是最后的保底方案。
基本上大家看了系列里这四篇后对矩阵向量求导就已经很熟悉了，对于机器学习中出现的矩阵向量求导问题已足够。这里还没有讲到的是矩阵对矩阵的求导，还有矩阵对向量，向量对矩阵求导这三种形式，这个我们在系列的下一篇，也是最后一篇简单讨论一下，如果大家只是关注机器学习的优化问题，不涉及其他应用数学问题的，可以不关注。
（欢迎转载，转载请注明出处。欢迎沟通交流： liujianping-ok@163.com）