非负矩阵分解(NMF)是一种基于特征空间低秩近似的降维技术。除了减少特性的数量外,NMF还保证特性是非负的,产生了考虑物理量非负性的可加模型。
给定一个非负米——- - - - - -n矩阵X一个正整数k< min (米,n), NMF查找非负米——- - - - - -k和k——- - - - - -n矩阵W和H,以最小化差异的范数X- - - - - -WH.W和H因此近似的非负因子是X.
的k列W表示中变量的变换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一般比职级小吗X,产品WH中数据的压缩近似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
使用两种迭代算法中的一种,以随机初始值开始W和H.因为剩余的标准X- - - - - -WH可能有局部极小值,反复呼叫nnmf
可以得到不同的分解。有时算法收敛到比k,这可能表明结果不是最佳的。