非负矩阵分解
非负矩阵分解(NMF)是一种基于特征空间低秩逼近的降维技术。除了减少特征的数量外,NMF还保证特征是非负的,从而产生附加模型,例如,物理量的非负性。
给定一个非负的米——- - - - - -n矩阵X一个正整数k< min (米,n), NMF发现非负米——- - - - - -k而且k——- - - - - -n矩阵W而且H,分别使差的范数最小化X- - - - - -WH.W而且H这样近似的非负因子是X.
的k列W中的变量的转换X;的k行H表示原线性组合的系数n变量X产生了变换后的变量W.自k的秩一般小于X,乘积WH中数据的压缩近似值X.的可能值的范围k通常由建模上下文建议。
这个函数nnmf
进行非负矩阵分解。nnmf
使用以随机初始值开始的两个迭代算法之一W而且H.因为残差的范数X- - - - - -WH可能有局部极小值,反复调用nnmf
可能会得到不同的因式分解。有时算法收敛到比k,这可能表明结果不是最优的。