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。

另请参阅

nnmf

相关的话题

• 执行非负矩阵分解