r - R中的对称非负矩阵分解

Question

我正在尝试根据以下公式在 R 中实现 NMF:
H 最初是猜测，然后根据这个公式迭代更新。我写了这段代码，但它需要像以往一样执行。我怎样才能重写这段代码？ W 是相似度矩阵。

sym.nmf <- function ( W )
{
        N <- ncol(W)
        set.seed(1234)
        H <- matrix(runif(N * k, 0, 1),N,k)

        J1 <- 0

        while (0 < 1)
        {
                HT <- t(H)
                A <- W %*% H
                B <- H %*% HT %*% H
                H <- 0.5 * ( H * ( 1 + ( A / B )))
                J = W - (H %*% t(H))
                J = sum (J^2)
                if ( (J1 != 0 ) && (J > J1) )
                        return (H1)
                H1 <- H
                J1 <- J
        }

}

Answer 1

这是 sym.nmf 的返工功能在此过程中具有一些统计上重要的改进和速度增益。

添加 相对公差 ( rel.tol ) 当 J[i] 在 rel.tol 内时中断循环的参数J[i-1] 的百分比。按照您的设置方式，您只会在 0 == 1 或机器精度变得比拟合本身更易变时停止循环。理论上，您的函数永远不会收敛。

添加 种子 ，因为可重复性很重要。沿着这条路线，您可能会考虑使用非负双 SVD 进行初始化以抢占先机。但是，根据您的应用程序，这可能会使您的 NMF 进入不代表全局最小值的局部最小值，因此可能很危险。在我的情况下，我被锁定在一个类似于 SVD 的最小值中，并且 NMF 最终会收敛到一个完全不同于随机初始化分解的状态。

添加 最大迭代次数 ( max.iter )，因为有时您不想运行一百万次迭代来达到您的容忍阈值。

代入 crossprod和 tcrossprod 基础函数 %*%功能。根据矩阵大小，这将获得大约 2 倍的速度增益。

减少检查收敛的次数 ，因为计算W中的残差信号减去 HH^T 后占用了近一半的计算时间。您可以假设需要数百到数千次迭代才能收敛，因此只需每 100 个周期检查一次收敛。

更新功能:

sym.nmf <- function (W, k, seed = 123, max.iter = 10000, rel.tol = 1e-10) {
  set.seed(seed)
  H <- matrix(runif(ncol(W) * k, 0, 1),ncol(W),k)
  J <- c()
  for(i in 1:max.iter){
    H <- 0.5*(H*(1+(crossprod(W,H)/tcrossprod(H,crossprod(H)))))

    # check for convergence every 100 iterations
    if(i %% 100 == 0){
      J <- c(J,sum((W - tcrossprod(H))^2))
      plot(J, xlab = "iteration", ylab = "total residual signal", log = 'y')
      cat("Iteration ",i,": J =",tail(J)[1],"\n")
      if(length(J) > 3 && (1 - tail(J, 1)/tail(J, 2)[1]) < rel.tol){
        return(H)
      }    
    }
    if(i == max.iter){
      warning("Max.iter was reached before convergence\n")
      return(H)
    }
  }
}

目标函数也可以隔离，Rfast可以用于 Rfast::Crossprod()的并行计算和 Rfast::Tcrossprod()以及。

sym.nmf <- function (W, k, seed = 123, max.iter = 100, rel.tol = 1e-10) {
  set.seed(seed)
  require(Rfast)
  H <- matrix(runif(ncol(W) * k, 0, 1),ncol(W),k)
  J <- c()
  for(i in 1:max.iter){
    H <- 0.5 * fit_H(W,H, num.iter = 100)
    J <- c(J,sum((W - tcrossprod(H))^2))
    plot(J, xlab = "iteration", ylab = "total residual signal", log = 'y')
    cat("Iteration ",i,": J =",tail(J, n = 1),"\n")
    if(length(J) > 3 && (1 - tail(J, 1)/tail(J, 2)[1]) < rel.tol){
      return(H)
    }
    if(i == max.iter){
      warning("Max.iter was reached before convergence\n")
      return(H)
    }
  }
}

fit_H <- function(W,H, num.iter){
  for(i in 1:num.iter){
    H <- 0.5*(H*(1+(Rfast::Crossprod(W,H)/Rfast::Tcrossprod(H,Rfast::Crossprod(H,H)))))
  }
  H
}

现在可以将此目标函数转换为 Rcpp 以进一步提高速度。并行化还可以在目标函数(并行化 crossprod 和 tcrossprod )内或通过并行运行多个分解(因为通常需要多次重新启动才能发现稳健的解决方案)来获得进一步的 yield 。