让人惊叹的Johnson-Lindenstrauss引理：理论篇

©PaperWeekly 原创 · 作者 |  苏剑林

单位 |  追一科技

研究方向 |  NLP、神经网络

今天我们来学习 Johnson-Lindenstrauss 引理，由于名字比较长，下面都简称“JL 引理”。

个人认为，JL 引理是每一个计算机科学的同学都必须了解的神奇结论之一，它是一个关于降维的著名的结果，它也是高维空间中众多反直觉的“维度灾难”现象的经典例子之一。可以说，JL 引理是机器学习中各种降维、Hash 等技术的理论基础，此外，在现代机器学习中，JL 引理也为我们理解、调试模型维度等相关参数提供了重要的理论支撑。

对数的维度

JL 引理，可以非常通俗地表达为：

通俗版 JL 引理： 塞下 个向量，只需要 维空间。

具体来说，JL 引理说的是，不管这 个向量原来是多少维的，我们都可以将它们降到 ，并将相对距离的误差控制在一定范围内。可以想象，这是一个非常强、非常反直觉、非常实用的结论，比如我们要做向量检索，原本的向量维度可能非常大，这样全量检索一次的成本也非常大，而 JL 引理告诉我们，可以将它们变换到 维，并且检索效果近似不变，这简直就是“天上掉馅饼”的好事！

可能读者会有疑问：这么强的结论，那么对应的降维方法会不会特别复杂？答案是刚刚相反，降维过程仅仅用到随机线性投影！甚至有评价说，JL 引理是一个“证明比理解更容易的结论”，也就是说，从数学上证明它还真不算特别困难，但如何直观地理解这个反直觉的结论，反而是不那么容易的。

无独有偶，我们之前其实就介绍过两个反直觉的结果：在文章《n 维空间下两个随机向量的夹角分布》 [1] 中，我们就介绍过“高维空间中任意两个向量几乎都是垂直的”，这显然与二维、三维空间的结果差距甚远；在文章《从几何视角来理解模型参数的初始化策略》 [2] 中，这个结果进一步升级为“从 采样出来的 矩阵几乎是一个正交矩阵”，这更与我们一直理解的“正交性是非常苛刻的（要求转置等于逆）”有严重出入。

但事实上，这两个结论不仅对，而且还跟 JL 引理直接相关。可以说，JL 引理可以看成是它们的细化和应用。所以，我们需要先用更定量的语言来刻画这两个结论，比如“几乎垂直”，那垂直的概率究竟有多少，比如“近似正交”，那误差究竟有多大。

概率不等式

为此，我们需要一些概率知识，其中最主要是“马尔可夫不等式”：

马尔可夫不等式： 如果 是非负随机变量， ，那么

注意该不等式并没有对 所服从的分布有其他特别的限制，只要求随机变量的取值空间是非负的（或者等价地，负的 的概率恒为 0），证明其实非常简单：

马尔可夫不等式要求随机变量是非负的，但我们平时要处理的随机变量不一定是非负的，所以通常需要变换一下才能用。比如 不是非负的，但 是非负的，于是利用马尔可夫不等式有：

这就是“切比雪夫不等式”。

另外一个经典技巧称为“Cramér-Chernoff方法”，也是我们后面主要利用到的方法，它通过指数函数将随机变量变成非负的：对于任意 ，我们有

所以利用马尔可夫不等式有

最左端是跟 无关的，但是最右端有一个 ，而这不等式是对于任意 都成立的。所以理论上，我们可以找到使得最右端最小的 ，以获得最高的估计精度：

引理的引理

现在，我们可以引入如下结果，它是 JL 引理的引理，甚至可以说，它是本文一切结论的理论基础：

单位模引理： 设 是独立重复采样自 的向量， 是给定常数，那么我们有：

该引理告诉我们，当 足够大的时候， 的模长明显偏离 1 的概率是非常小的（给定 后，将以 的指数形式递减至 0），所以从 采样出来的 维向量将会非常接近单位向量。

它的证明正是用到“Cramér-Chernoff方法”：首先 意味着 或 ，我们需要分别进行推导，不失一般性，先推导 的概率，根据 Cramér-Chernoff 方法，有：

将 u 写成分量形式 ，其中每个分量都是独立的，分布均为  ，那么我们有：

而 ，所以：

右端的极小值在 取到，推导过程就留给读者了，然后代入得到：

其中 的证明也留给读者了。类似地，我们可以对 的概率进行推导，结果为：

其中可证 ，所以上式沿用了 的不等关系。现在两式相加，我们得到 。证毕。

从“单位模引理”出发，我们可以证明“正交性引理”：

正交性引理： 设 是独立重复采样自 的两个向量， 是给定常数，那么我们有：

该引理告诉我们，当 足够大的时候， 的内积明显偏离 0 的概率是非常小的（给定 后，将以 的指数形式递减至 0），所以从 采样出来的两个 维向量将会非常接近正交。而结合“单位模引理”，我们就得到“从 采样出来的 矩阵几乎是一个正交矩阵”的结论了。

有了“单位模引理”铺垫，它的证明不算难。我们知道如果 ，那么 ，所以根据“单位模引理”的证明，我们有：

注意 和 两式相加后可以得出 ，所以：

同理可证 ，两者结合就得到“正交性引理”。

证明的过程

现在我们就可以着手证明 JL 引理了，下面是它的数学表述：

数学版 JL 引理： 给定 个向量 和 ，而随机矩阵 独立重复采样自 是给定常数，那么至少有 的概率，使得对于所有的 ，都成立：

引理告诉我们，不管原来的向量维数 是多少，只需要 的维度，我们就可以容纳下 个向量，使得它们相对距离的偏离都不超过 。而且 JL 引理还告诉我们降维方法：只需要从 随机采样一个 的矩阵 ，然后变换 就有 的可能性达到目的。真可谓是简单实用了。

证明过程也是“单位模引理”的直接应用。首先，如果 是给定的单位向量，而 独立重复采样自 ，那么 的每个分量都独立地服从 。证明也并不难，根据定义每个分量 ，由于 相互独立，所以 显然相互独立，并且由于 ，正态随机变量和的分布依然是正态分布，所以 服从正态分布，其均值为 ，其方差则为 。

所以，说白了， 相当于从 独立重复采样出来的 维向量。现在代入 ，利用“单位模引理”，得到：

此结果对于任意 都成立，那么遍历所有的 的组合，我们得到至少有一项 的概率不超过：

或者反过来说，对于任意 ，都成立 （等价于（16））的概率不小于：

代入 ，可以得到：

至此，证明已经完成。

上面的 JL 引理中保持的是欧氏距离近似不变，很多时候我们检索用的是内积（比如余弦相似度）而不是欧氏距离。对此，我们有：

内积版 JL 引理： 给定 个单位向量 和 ，而随机矩阵 独立重复采样自 是给定常数，那么至少有 的概率，使得对于所有的 ，都成立：

证明很简单，模仿“正交性引理”的证明即可。根据 JL 引理的证明，我们可以得到在相同的条件下，至少有 的概率同时满足对于任意 有：

将第一乘上 -1 得到：

然后加到第二式得到：

注意到 是单位向量，所以上式等价于 。

极度的充分

动手去推过一次 JL 引理证明的同学应该能感觉到，JL 引理的结论中之所以能够出现 ，本质上是因为“单位模引理”中的概率项 是指数衰减的，而我们可以放宽这个衰减速度，让其变成多项式衰减，从而出现了 。

总的来说，JL 引理告诉我们，以误差 塞下 个向量，只需要 维的空间，至于 前面的常数是多少，其实不大重要。因为事实上 JL 引理是一个非常充分的条件，实际情况中条件往往更加宽松。比如，在 JL 引理的证明中如果我们将条件改为 ，那么式（16）成立的概率就不小于：

注意 虽然小，但终究是大于 0 的，所以此时依然是存在 使得（16）成立，只不过寻找 的成本更大罢了（每次命中的概率只有 ），而如果我们只关心存在性，那么这也够了。

而且，JL 引理只考虑了在随机线性投影下的降维，就已经得到 了，如果是其他更精细的降维，比如基于 SVD 的降维，是有可能得到更好的结果的（前面的系数更小）；如果非线性的降维方法也考虑进去，那么结果又能变得更优了。所以说，不需要太关心 前面的常数是多少，我们只需要知道 的量级，如果真要用到它，通常还需要根据实际情况确定前面的常数，而不是调用理论结果。

且待下回续

在这篇文章中，我们介绍了 Johnson–Lindenstrauss 引理（JL 引理），它是关于降维的一个重要而奇妙的结论，是高维空间的不同寻常之处的重要体现之一。它告诉我们“只需要 维空间就可以塞下 个向量”，使得原本高维空间中的检索问题可以降低到 维空间中。

本文主要讨论了 JL 引理的相关理论证明细节，下一篇文章我们则尝试应用它来理解一些机器学习问题，敬请期待。

参考文献

[1] https://kexue.fm/archives/7076

[2] https://kexue.fm/archives/7180

特别鸣谢

感谢 TCCI 天桥脑科学研究院对于 PaperWeekly 的支持。TCCI 关注大脑探知、大脑功能和大脑健康。

更多阅读

#投 稿 通 道#

 让你的文字被更多人看到 

如何才能让更多的优质内容以更短路径到达读者群体，缩短读者寻找优质内容的成本呢？答案就是：你不认识的人。

总有一些你不认识的人，知道你想知道的东西。PaperWeekly 或许可以成为一座桥梁，促使不同背景、不同方向的学者和学术灵感相互碰撞，迸发出更多的可能性。 

PaperWeekly 鼓励高校实验室或个人，在我们的平台上分享各类优质内容，可以是最新论文解读，也可以是学术热点剖析、科研心得或竞赛经验讲解等。我们的目的只有一个，让知识真正流动起来。

📝 稿件基本要求：

• 文章确系个人原创作品，未曾在公开渠道发表，如为其他平台已发表或待发表的文章，请明确标注 

• 稿件建议以 markdown 格式撰写，文中配图以附件形式发送，要求图片清晰，无版权问题

• PaperWeekly 尊重原作者署名权，并将为每篇被采纳的原创首发稿件，提供业内具有竞争力稿酬，具体依据文章阅读量和文章质量阶梯制结算

📬 投稿通道：

• 投稿邮箱：hr@paperweekly.site 

• 来稿请备注即时联系方式（微信），以便我们在稿件选用的第一时间联系作者

• 您也可以直接添加小编微信（pwbot02）快速投稿，备注：姓名-投稿

△长按添加PaperWeekly小编

🔍

现在，在「知乎」也能找到我们了

进入知乎首页搜索「PaperWeekly」

点击「关注」订阅我们的专栏吧

·