python - sklearn 矩阵分解示例

Question

我正在使用当前在 http://www.quuxlabs.com/blog 上提供的代码

效果不错。而且我可以清楚地看到矩阵发生了哪些变化。

我还尝试在 sklearn.decomposition.NMF 上使用 sklearn 库但是我用相同的输入得到的结果还不够好。也许我遗漏了什么。

这是我的示例代码-

from sklearn.decomposition import NMF , ProjectedGradientNMF
R = [
     [5,3,0,1],
     [4,0,0,1],
     [1,1,0,5],
     [1,0,0,4],
     [0,1,5,4],
    ]
R = numpy.array(R)
nmf = NMF(beta=0.001, eta=0.0001, init='random', max_iter=2000,nls_max_iter=20000, random_state=0, sparseness=None,tol=0.001)
nR = nmf.fit_transform(R)
print nR
print
print nmf.reconstruction_err_
print

它没有维护矩阵中的退出/填充值，正如我使用博客中给出的代码所见。

谁能帮我理解一下!

Answer 1

嗯……我太蠢了!!!我经历了nmf.py并发现 fit_tranform 仅返回 W 和 nmf.component_ 获取 H 的值。它们的点积给出新的 R。

from sklearn.decomposition import NMF , ProjectedGradientNMF
R = [
     [5,3,0,1],
     [4,0,0,1],
     [1,1,0,5],
     [1,0,0,4],
     [0,1,5,4],
    ]
R = numpy.array(R)
nmf = NMF()
W = nmf.fit_transform(R);
H = nmf.components_;
nR = numpy.dot(W,H)
print nR