scikit中NMF的自定义矩阵-学习

Question

我要用滑雪板做NMF，我在这里使用了说明：http://scikit-learn.org/stable/modules/generated/sklearn.decomposition.NMF.html

我想添加已初始化的矩阵H，有选项可以执行init=“定制”，但我不知道如何给他矩阵H。我尝试过：

model = NMF(n_components=2, init='custom',H=myInitializationH random_state=0);

但不起作用。

另外，是否有人知道如何修复我的矩阵并只更新W？

编辑：

谢谢你的回答

当我选择自定义选项时，会得到以下错误：

ValueError: input contains nan infinity or a value too large for dtype('float64')

然而，矩阵不包含任何nan或无穷大。此外，我是为非常小的矩阵做这件事，看看它是否很好，而不是：

import numpy as np
from sklearn.decomposition import NMF

x=np.ones((2,3));
#model = NMF(n_components=1, init='custom', solver='mu',beta_loss=1,max_iter=500,random_state=0,alpha=0,verbose=0, shuffle=False);
model = NMF(n_components=1, init='custom');
fixed_W = model.fit_transform(x,H=np.ones((1,3)));
fixed_H = model.components_;

print(np.matmul(fixed_W,fixed_H));

我得到了同样的错误，除非我做‘随机’而不是‘定制’。

这也发生在你身上吗？为什么会发生这种事？

Answer 1

在fit()或fit_transform()中传递W和H。

根据fit_transform():-

W:类似数组的形状(n_samples，n_components)如果init=‘定制’，则用作解决方案的初始猜测。H:类似数组的形状(n_components，n_features)如果init=‘定制’，则用作解决方案的初始猜测。

fit()也是如此。

做以下事情：

model.fit(X, H=myInitializationH, W=myInitializationW)

更新:似乎如果您通过init='custom'参数，您需要同时提供W和H，如果您提供H而不是W，它将被视为无，然后抛出一个错误。