1. 一个被教材“易证”带过、实际却暗藏权重陷阱的恒等式早年讲机器学习里的LDA线性判别分析时我习惯直接在白板上写下这个式子[ \text{Total Variance}\text{Within-Class Variance}\text{Between-Class Variance} ]然后给一句话总结“每个样本与总体均值的偏差可以拆成它与所属类均值的偏差加上类均值与总体均值的偏差交叉项求和为零证毕。”直到有个学生课后追着我问“老师交叉项为什么一定为零如果我把类间方差里的权重 n_k 改成别的权重比如等权重 1/K式子还成立吗你上课写的那个‘总方差类内方差类间方差’到底是在除以 N 还是除以 N-1 的前提下成立的”这三个问题一个比一个尖锐也把我不小心省略的细节全部逼了出来。确实教材里这块基本都是“易证”“显然”但真正推一遍就会发现这个恒等式不是简单的代数展开它藏着加权机制、自由度约定、以及“平方和分解”与“方差分解”之间的微妙差别。如果你只在算法里调用现成的 LDA 或 Otsu 阈值可能一辈子不需要手推它但如果你想理解这些算法的判别依据或者自己去实现一版聚类评价指标这个证明迟早要补上。这篇文章我打算把它从头到尾拆开包括那些容易踩的坑。2. 证明前必须锁死的符号约定平方和分解才是核心2.1 从“偏差平方和”开始而不是从“方差”开始设我们有一共 N 个样本被划分成 K 个类。第 k 类有 n_k 个样本满足[ \sum_{k1}^{K} n_k N ]把第 k 类里的第 i 个样本记为 x_{ki}。定义三类均值第 k 类类均值(\mu_k \frac{1}{n_k}\sum_{i1}^{n_k} x_{ki})总体均值(\mu \frac{1}{N}\sum_{k1}^{K}\sum_{i1}^{n_k} x_{ki})然后定义三个偏差平方和[ TSS\sum_{k1}^{K}\sum_{i1}^{n_k}(x_{ki}-\mu)^2 ][ WSS\sum_{k1}^{K}\sum_{i1}^{n_k}(x_{ki}-\mu_k)^2 ][ BSS\sum_{k1}^{K}n_k(\mu_k-\mu)^2 ]这三个量通常被叫做总平方和Total Sum of Squares、组内平方和Within Sum of Squares、组间平方和Between Sum of Squares。教科书上说的“总方差等于类内方差加类间方差”严格来说第一层要证明的是[ TSS WSS BSS ]这个式子才是整个关系的根。方差、均方差、二乘误差那一堆概念都是在这个平方和等式基础上再除以不同分母得到的。2.2 为什么先证明平方和版本因为“方差”在不同场景下有不同口径而“平方和”没有歧义。同一个平方和等式除以 N 可以被解释成“总体方差分解”除以 N-1 则对应“样本方差分解”但此时自由度问题会让“类内方差类间方差总方差”这句话变得不再严格成立。后面我会细讲这个坑。现在先把平方和版本的证明做扎实。2.3 一组具体的数字便于后面核对空对空推导容易飘。我先摆一组小数据后面每一步都可以拿它验证。A 类{1, 2, 4}B 类{7, 8, 9}。这里 N6K2n_1n_23。A 类均值(\mu_1 (124)/3 7/3 \approx 2.333)B 类均值(\mu_2 (789)/3 8)总体均值(\mu (124789)/6 31/6 \approx 5.167)算一下三个平方和A 类内偏差平方和[ (1-\frac{7}{3})^2(2-\frac{7}{3})^2(4-\frac{7}{3})^2 \frac{16}{9}\frac{1}{9}\frac{25}{9} \frac{42}{9} \frac{14}{3} ]B 类内偏差平方和[ (7-8)^2(8-8)^2(9-8)^21012 ]所以 (WSS\frac{14}{3}2\frac{20}{3}\approx6.667)。组间平方和[ BSS3(\frac{7}{3}-\frac{31}{6})^23(8-\frac{31}{6})^2 3(-\frac{17}{6})^23(\frac{17}{6})^2 3\times\frac{289}{36}3\times\frac{289}{36} \frac{289}{6}\approx48.167 ]总平方和[ TSS(1-\frac{31}{6})^2(2-\frac{31}{6})^2(4-\frac{31}{6})^2(7-\frac{31}{6})^2(8-\frac{31}{6})^2(9-\frac{31}{6})^2 ]算出来约等于 54.833也就是 (20/3 289/6 329/6)。正好 (WSSBSS 20/3 289/6 40/6 289/6 329/6 TSS)。数字验证通过接下来看通用证明。3. 核心推导把每个偏差拆成两块再让交叉项归零3.1 所有证明的关键一步偏差分解对于任意一个样本 (x_{ki})我们做一个恒等变形[ x_{ki}-\mu (x_{ki}-\mu_k)(\mu_k-\mu) ]这是一个纯粹的代数操作在任何情况下都成立。第一项描述这个样本偏离“自己所属类均值”的程度第二项描述“这个类的均值”偏离“总体均值”的程度。一个样本的离群程度就这样被拆成了“局部偏差”和“类别偏差”两部分。接下来对平方展开[ (x_{ki}-\mu)^2(x_{ki}-\mu_k)^22(x_{ki}-\mu_k)(\mu_k-\mu)(\mu_k-\mu)^2 ]对 k 和 i 求和得到[ TSS\sum_{k1}^{K}\sum_{i1}^{n_k}(x_{ki}-\mu_k)^2 2\sum_{k1}^{K}\sum_{i1}^{n_k}(x_{ki}-\mu_k)(\mu_k-\mu) \sum_{k1}^{K}\sum_{i1}^{n_k}(\mu_k-\mu)^2 ]第一项就是 WSS第三项因为是同一个类内的常数求和所以等于[ \sum_{k1}^{K}n_k(\mu_k-\mu)^2BSS ]所以证明的重心落在了中间这一项上。3.2 交叉项为什么是零关键在于类均值的定义中间项我们先把对 i 的求和拿到前面[ 2\sum_{k1}^{K}(\mu_k-\mu)\sum_{i1}^{n_k}(x_{ki}-\mu_k) ]现在盯住里面的内层求和[ \sum_{i1}^{n_k}(x_{ki}-\mu_k) ]这个式子等于多少把它展开[ \sum_{i1}^{n_k}x_{ki}-\sum_{i1}^{n_k}\mu_k \sum_{i1}^{n_k}x_{ki}-n_k\mu_k ]而 (\mu_k) 的定义是 ( \frac{1}{n_k}\sum_{i1}^{n_k}x_{ki})所以 (n_k\mu_k\sum_{i1}^{n_k}x_{ki})。于是[ \sum_{i1}^{n_k}x_{ki}-n_k\mu_k0 ]也就是说任何一类样本对自身类均值的偏差之和天然为零。这不是巧合而是“均值”的本质属性均值是让偏差和为零的那个点。我们也可以换一种说法第 k 类的样本均值 (\mu_k)是第 k 类样本平方偏差和的最小值点。这个性质在后面的几何解释里还会再次出现。3.3 完整写出证明现在把交叉项为零代回去[ TSS\sum_{k1}^{K}\sum_{i1}^{n_k}(x_{ki}-\mu_k)^20\sum_{k1}^{K}n_k(\mu_k-\mu)^2 ]即[ TSSWSSBSS ]证明完毕。从平方和到方差如果定义总体方差为 (TSS/N)定义“类内方差”为各组内方差的样本量加权平均即[ \sigma_W^2\frac{WSS}{N}\frac{1}{N}\sum_{k1}^{K}\sum_{i1}^{n_k}(x_{ki}-\mu_k)^2 ]定义“类间方差”为[ \sigma_B^2\frac{BSS}{N}\frac{1}{N}\sum_{k1}^{K}n_k(\mu_k-\mu)^2 ]那么自然有[ \sigma_{Total}^2\frac{TSS}{N}\sigma_W^2\sigma_B^2 ]这个形式就是教材里最常见的那句话。注意这里的“类内方差”前面没有任何额外的类数归一化它就是所有样本的组内偏差平方和平均到了每个样本头上而“类间方差”也是带 (n_k) 权重、再平均到每个样本头上的加权均值的离散程度。3.4 学生追问的那个问题把权重改成 1/K 还成立吗这是最容易理解错的地方。假如我们不按 (n_k) 加权而是把组间平方和定义成[ BSS_{unweighted}\sum_{k1}^{K}(\mu_k-\mu)^2 ]也就是每个类别均值到总体均值距离的简单求和那还能保证 TSSWSSBSS 吗答案是不能除非每一类样本量刚好相等。我用上面的数据做个反例。还是 A、B 两组总体均值 31/6。加权 BSS 是 (3(7/3-31/6)^23(8-31/6)^2289/6)不加权 BSS 是 ((7/3-31/6)^2(8-31/6)^22\times 289/36289/18)两者差了三倍而 WSS 不变依然是 20/3。显然[ \frac{20}{3}\frac{289}{18}\frac{120}{18}\frac{289}{18}\frac{409}{18}\approx22.72 ]远小于 TSS329/6≈54.83。所以“类间方差”的权重绝不是拍脑袋定的它是从平方和分解的代数结构里自然逼出来的每个样本贡献一个单位权重组间距离必须乘以该组样本数才能与组内平方和的尺度对齐。4. 为什么交叉项必然为零从代数到几何直觉4.1 残差与拟合值的正交刚才的证明在代数上已经完整了但它有一个缺点算完就完了缺少一种“就该如此”的直觉。这里我给出一个从回归视角看问题的角度。每个样本可以看作一个观测值我们把所属类别的均值 (\mu_k) 视为对 (x_{ki}) 的一个预测。这样一来(x_{ki}-\mu_k) 是残差(\mu_k-\mu) 是预测值相对总体均值的高出部分总偏差 (x_{ki}-\mu\text{残差}\text{预测高出部分})。上面证明的交叉项为零本质上是说这个“预测高出部分”与“残差”在所有样本上的内积为零。这在统计学里叫残差与拟合值正交或者叫均值是最小二乘估计的自然推论。因为每一类内部的预测值是一个常数残差在该类内的和为零那么残差与任何“仅仅随类变化、在类内恒定”的向量内积都必然为零。一个直观类比是把 I 型误差和第二类错误可解释的类别差异看成一组互相垂直的向量。总平方和就是直角三角形的斜边类内平方和与类间平方和是两条直角边。毕达哥拉斯定理当然不会因为“类之间差距大”就失效它本来就是勾股定理在平方和空间里的投影版本。4.2 二维平面里的物理图景假设我们把所有样本按照“类别”涂成两堆点在数轴上排列。每个点离总体均值的距离平方构成总平方和。现在我们把这条数轴上的总体均值当成一个坐标原点所有点的位置由两类信息决定各堆点自己的质心离总体质心有多远各堆内部的点离自己的质心有多远。总平方和等于两部分平方和的叠加。这跟物理学里“转动惯量可以用质心项 相对质心项表达”的结构几乎一模一样。你不可能通过把点往左右推开而不改变“点到总体中心”的总平方和——推开后组间平方和上升的代价正是组内平方和不变的情况下总平方和必然等量上升。这一点也解释了一个常见直觉误区有人会以为“类间方差大”就意味着“组内方差小”。从分解式看总方差固定时两者的确此消彼长但现实数据里总方差并不固定类间方差变大、类内方差也跟着变大的情况比比皆是毕竟总体方差本身也在变。4.3 为什么必须是“组内平方和最小”而不是“组内方差自由定义”为了把证明链条延伸到方差我还想强调一个自由度的坑。在很多编程实现里我们倾向于用无偏估计的方差即除以 (n_k-1) 来估计某个类的类内方差。这种估计类内方差的公式是[ s_k^2\frac{1}{n_k-1}\sum_{i1}^{n_k}(x_{ki}-\mu_k)^2 ]这时候如果直接把这个 (s_k^2) 按照样本量加权平均再与某个类间方差相加试图等于总方差一般对不上。因为无偏方差把自由度差异揉进去了。真正的“总方差分解”链条是建立在“平方和除以 N”的总体口径下不是建立在“第 k 类除以 n_k-1”的抽样口径下。具体说如果你按下面的方式定义[ \frac{1}{N}\sum (x-\mu)^2 \frac{1}{N}\sum n_k s_k^2 \text{组间项} ]即使最后一项用 BSS/N等式也不成立除非你用 (n_k\sigma_k^2) 而不是 ((n_k-1)s_k^2) 去回填。这是非常常见的代码级 bug 来源后面专门再写一节排查思路。5. 这个恒等式在 LDA、Otsu 阈值和聚类评估里的真实用途5.1 LDA/Fisher 判别为什么“类间方差/类内方差”有判别力线性判别分析的目标是寻找一个线性投影方向让投影后不同类别尽可能分开。Fisher 准则写作[ J\frac{\text{类间方差}}{\text{类内方差}} ]利用本文的恒等式在总方差固定时最大化 (J) 等价于最小化类内方差也等价于最大化类间方差。很多人初学时觉得这是三个不同的目标实际上在总方差不变的约束下它们是同一个优化问题的三个侧面。我在工程里见过一种错误做法拿到数据先标准化然后就拿原始特征的类内方差去比较大小忽略了总方差也可能在变化。比如类别 A 的特征范围本身比类别 B 大很多标准化之后类内方差的变化被扭曲Fisher 准则的解释力会明显下降。5.2 Otsu 阈值法最大类间方差与最小类内方差的一体两面图像处理里的 Otsu 二值化算法本质上是在找一个灰度阈值 (t)把像素分成前景和背景两类。对这个阈值下的类间方差[ \sigma_B^2(t)p_1(t)(\mu_1(t)-\mu)^2p_2(t)(\mu_2(t)-\mu)^2 ]进行最大化。因为对于一幅给定图像总方差 (TSS/N) 是不变的它不随阈值变化而[ \sigma_{Total}^2 \sigma_W^2(t)\sigma_B^2(t) ]所以最大化 (\sigma_B^2(t)) 完全等价于最小化 (\sigma_W^2(t))。这也是为什么 Otsu 算法能用一个公式同时概括“最大化类间距离”和“最小化类内聚集”两种直观说法。实际实现时类间方差可以用累积直方图和一阶累积量在线性时间内算出来不需要对每个阈值都重新遍历所有像素。这正是利用了 (\sigma_B^2) 只依赖每个类的样本占比和类均值的特性而这两个统计量都可以通过前缀和快速更新。5.3 聚类评估里的“解释方差占比”聚类任务中轮廓系数之外还有一个非常常用的指标叫“解释方差占比”explained variance定义是[ \frac{BSS}{TSS}1-\frac{WSS}{TSS} ]它衡量的是聚类出的类别结构能够解释总方差的百分比。根据本文证明的恒等式这个指标既可以解释为“类别差异占总差异的比例”也可以解释为“组内散度被降低到只剩多少”。KMeans 算法里的 inertia组内平方和之所以被拿来对比不同 K 值本质上就是因为 TSS 固定时WSS 越小解释方差占比越高。但这里有个必须警惕的陷阱KMeans 用欧氏距离所以它最小化的 WSS 和本文定义一致。如果你改用曼哈顿距离或余弦距离那组内“方差”与总“方差”不再满足平方和分解关系直接套用这个指标会得到误导性结果。类似的坑发生在对稀疏高维文本向量做聚类时很多人还拿“解释方差占比”比较模型但此时距离度量已经违背了平方和分解的前提。5.4 实战排查当“总方差类内方差类间方差”对不上时从哪查如果你在自己实现聚类评估或 LDA 相关代码时发现两边对不上按下面的顺序排查通常能快速定位。排查步骤检查点出错后果1是否把均值算成了向量均值而非标量均值交叉项不再为零原本的正交性被破坏2类间平方和中的权重是否用的是 n_k 而非 1权重不匹配TSS 被低估或高估3组内平方和计算时是否误用了无偏方差的 (n_k - 1)两边自由度口径不同数值对不上4分母用的是 N 还是 N-1方差版的恒等式在 N-1 口径下不再保持简单相加形式5是否把多列特征的总方差分成了逐列求和如果协方差矩阵有非对角项必须先做整体迹分解最后再提一个我自己的排查经验当你手动核验方差分解时先把两边都换成平方和用“TSS 是否等于 WSS 加 BSS”来验证。这比直接比较方差表达更干净因为它绕开了分母和自由度问题。确认平方和层面没问题之后再去定义自己想要的方差口径。颠倒这个顺序容易在自由度问题上绕很久。我在实际实现中每次处理涉及方差分解的反馈逻辑都会先在拿到的数据上跑一个最小的手工验证——就像这篇文章开头那组 {1,2,4} 和 {7,8,9} ——确认公式完全对得上再往下写业务代码。实践证明这一步省下来的排错时间远大于那几行临时验证代码的成本。