sklearn矩阵分解示例

Question

我使用的是http://www.quuxlabs.com/blog当前提供的代码

它提供了很好的结果。我可以清楚地看到矩阵中发生了什么变化。

此外，我还尝试在sklearn.decomposition.NMF上使用sklearn库，但使用相同的输入得到的结果还不够好。也许我错过了什么。

下面是我的示例代码：

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/填充的值，正如我使用博客中给出的代码所看到的那样。

有人能帮我理解一下吗？

Answer 1

嗯..。我太傻了！我浏览了nmf.py，发现fit_tranform只返回W，nmf.component_得到H的值。其中的点积给出新的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