学习nmf -关于它的使用的问题

Question

这是一个全新的问题，我对Python很陌生，我了解NMF的基本知识，但是当用sklearn实现它时，似乎有点费解，我想问是否有人知道如何利用结果。

我从一个文件中导入了数据，创建并形成了一个数组，现在已经实现了一些我从在线学习指南中学到的初始NMF代码。

nmf = NMF(init='nndsvd', max_iter=2000, random_state=0, shuffle=False, solver='cd',verbose=0)
W = nmf.fit_transform(myfile);
H = nmf.components_;

#X_new = np.array(?)
#W_new = model.transform(X_new)

但这是我迷路的地方--为什么我把最后两行评论掉了-- X_new是从哪里来的，我是不是应该被导入另一个矩阵来比较--我认为NMF的意义在于识别正在分析的矩阵的关键特性？

任何帮助都非常感谢。

Answer 1

API允许两种类型的操作:学习和转换正在分析的矩阵。或者，学习一个矩阵(myfile / X)上的因式分解，然后对具有相同列数(但可能不同的行数)的新矩阵(X_new)应用相同的转换。

把它看作是学习一组输入数据的基变换(.fit方法)，然后对新的数据集(.transform方法)应用相同的基变换。

如果您对转换相同的矩阵感兴趣(在您的例子中是我的文件)，那么只使用fit_transform方法而不是转换。