Sklearn中的非负矩阵分解

Question

我在大矩阵上应用非负矩阵因式分解(NMF)。NMF方法的实质是:给定m乘n矩阵A，NMF分解为A= WH，其中W为m乘d，H为d为n，ProjectedGradientNMF方法在Python中实现。我希望该算法同时返回W和H，但它似乎只返回H，而不是W。再次将该算法应用于A.T (转置)可以给我W。然而，由于矩阵ix非常大，我希望避免计算它两次。

如果你能告诉我如何同时得到W和H，那就太好了！下面是我的代码：

from sklearn.decomposition import ProjectedGradientNMF
import numpy
A = numpy.random.uniform(size = [40, 30])
nmf_model = ProjectedGradientNMF(n_components = 5, init='random', random_state=0)
nmf_model.fit(A)
H = nmf_model.components_.T

Answer 1

幸运的是，您可以查看源代码：

https://github.com/scikit-learn/scikit-learn/blob/master/sklearn/decomposition/nmf.py

fit_transform()从第460行开始，在第530行显示H被附加到components_，W从函数返回。

因此，您不应该运行这两次，您应该只需更改：

nmf_model.fit(A);
H = nmf_model.components_.T;

至

W = nmf_model.fit_transform(A);
H = nmf_model.components_;