稀疏矩阵R中的快速NMF

Question

我在寻找一个在R中快速实现稀疏矩阵的NMF方法。

R NMF软件包由许多算法组成，没有一种算法在计算时间上给人留下深刻印象。

NNLM::nnmf()目前在R中似乎是最先进的，特别是method = "scd"和loss = "mse"，它们是通过顺序坐标下降求解的交替最小二乘实现的。然而，这种方法在非常大的、非常稀疏的矩阵上是非常慢的。

rsparse::WRMF函数非常快，但这是因为A中只有正数才用于W和H的逐行计算。

在稀疏矩阵上求解NMF是否有合理的实现？

R中是否有与scikit-learn等价的？请参阅this question

有各种各样的工作函数，如fnnls、R中的tsnnls，没有一个超过nnls::nnls (用Fortran编写)。我一直无法将任何这些函数编码到一个更快的NMF框架中。

Answer 1

忘了我甚至发了这个问题，但一年后.

我在RcppEigen中编写了一个非常快速的NMF实现，参见CRAN上的RcppML R包。

install.packages("RcppML")

# for the development version
devtools::install_github("zdebruine/RcppML")

?RcppML::nmf

它至少比NNLM::nnmf快一个数量级，相比之下，RcppML::nmf可以与irlba::irlba SVD的运行时相媲美(尽管它是一种完全不同的算法)。

我已经成功地将我的实现应用于130万个包含26000个基因的单细胞，在一个96%的稀疏矩阵中，在1分钟内进行秩-100分解。我觉得这很合理。