- 综合排序
- 最热优先
- 最新优先
- 来自专栏全栈程序员必看
NMF-matlab
具体论文看这里：http://www.seas.upenn.edu/~ddlee/Papers/nmf.pdf。
44330编辑于 2022-07-02 - 来自专栏生信技能树
使用NMF代替层次聚类
<- t(a2) nmf.input <- nmf.input[setdiff(rownames(nmf.input),"unknown"),] #去掉unknown # 需要去除那些没有被计算到的signatures nmf.input <- nmf.input[rowSums(nmf.input)>0,] library(pheatmap) pheatmap(nmf.input) 其中代码里面的escc_denovo_results.Rdata 行名简化 mut.nmf <- nmf(nmf.input, rank = rank, seed = seed, basismap 第三步：使用挑选出的signature再次NMF nmf.input2 <- nmf.input[sig.order,] library(pheatmap) pheatmap(nmf.input2 nmf区分成为的3类。
3.4K30发布于 2020-06-09 - 来自专栏生信修炼手册
非负矩阵分解NMF
non-negative matrix factorization，简写为NMF, 翻译为非负矩阵分解，属于矩阵分解的一种算法。 基于非负数的约束，NMF矩阵分解算法应运而生。对于任意一个非负矩阵V，可以将该矩阵划分为两个非负矩阵的乘积，图示如下 ? 类似SVD, NMF算法将矩阵分解之后，也可以提取其中的主要部分来代表整体，从而达到降维的效果，图示如下 ? NMF的求解思想是使得W与H矩阵的乘积，与V矩阵的误差值最小，数学表达式如下 ? 在scikit-learn中，使用NMF的代码如下 >>> import numpy as np >>> X = np.array([[1, 1], [2, 1], [3, 1.2], [4, 1], [5, 0.8], [6, 1]]) >>> from sklearn.decomposition import NMF >>> model = NMF(n_components=2, init='random
1.6K60发布于 2021-04-14 - 来自专栏单细胞天地
Rethinking batch effect removing methods—各种NMF
Rethinking batch effect removing methods—CCA
83410编辑于 2022-01-17 - 来自专栏月色的自留地
NMF学习练习：做电影推荐
NMF是很久以前学的，基本快忘没了，昨天YX提出来一个关于NMF(同音同字不同义)的问题，才又想起来。 自己的学习笔记写的比较乱，好在网上资料多，摘了一篇，补充上自己笔记的内容，留此助记。 NMF概念出现的比较早，差不多在电脑还没有开始繁荣起来，NMF及相关的一些算法已经很成熟了。NMF用在电影推荐、商品推荐也并不是很适合，现在大多使用SVD之类的算法。 分类 我们使用NMF为电影进行主题分类。 nmf_model = NMF(n_components=2) # 设有2个主题 item_dis = nmf_model.fit_transform(RATE_MATRIX) user_dis = nmf_model.components = NMF(n_components=2) # 设有2个主题 item_dis = nmf_model.fit_transform(RATE_MATRIX) user_dis = nmf_model.components
79530发布于 2018-06-15 - 来自专栏AIUAI
NMF（非负矩阵分解）算法
NMF，非负矩阵分解，它的目标很明确，就是将大矩阵分解成两个小矩阵，使得这两个小矩阵相乘后能够还原到大矩阵。而非负表示分解的矩阵都不包含负值。 因此，探索矩阵的非负分解方法一直是很有意义的研究问题，正是如此，Lee和Seung两位科学家的NMF方法才得到人们的如此关注。 NMF通过寻找低秩，非负分解那些都为非负值的矩阵。 NMF算法提供了基于简单迭代的求解U，V的方法，求解方法具有收敛速度快、左右非负矩阵存储空间小的特点，它能将高维的数据矩阵降维处理，适合处理大规模数据。 参考文献： 《非负矩阵分解：数学的奇妙力量》 http://blog.sciencenet.cn/blog-248606-466811.html (介绍NMF的基本内容及其应用) 《NMF算法简介及 与pLSA的对比) NMF工具 http://www.csie.ntu.edu.tw/~cjlin/nmf/ (作者 Chih-Jen Lin，也是libSVM的作者)
2.7K101发布于 2019-02-18 - 来自专栏月色的自留地
NMF学习练习：做电影推荐
NMF是很久以前学的，基本快忘没了，昨天YX提出来一个关于NMF(同音同字不同义)的问题，才又想起来。 自己的学习笔记写的比较乱，好在网上资料多，摘了一篇，补充上自己笔记的内容，留此助记。 NMF概念出现的比较早，差不多在电脑还没有开始繁荣起来，NMF及相关的一些算法已经很成熟了。NMF用在电影推荐、商品推荐也并不是很适合，现在大多使用SVD之类的算法。 分类 我们使用NMF为电影进行主题分类。 nmf_model = NMF(n_components=2) # 设有2个主题 item_dis = nmf_model.fit_transform(RATE_MATRIX) user_dis = nmf_model.components = NMF(n_components=2) # 设有2个主题 item_dis = nmf_model.fit_transform(RATE_MATRIX) user_dis = nmf_model.components
52370发布于 2018-06-21 - 来自专栏null的专栏
推荐算法——非负矩阵分解(NMF)
/data_nmf" file_path = ". 20160411 @author: zhaozhiyong ''' from pylab import * from numpy import * data = [] f = open("result_nmf plt.xlabel('generation') plt.ylabel('loss') show() 参考文献 Algorithm for Non-negative Matrix Factorization 白话NMF
2K60发布于 2018-03-20 - 来自专栏全栈程序员必看
【机器学习】NMF(非负矩阵分解)
写在篇前 本篇文章主要介绍NMF算法原理以及使用sklearn中的封装方法实现该算法，最重要的是理解要NMF矩阵分解的实际意义，将其运用到自己的数据分析中！ ()) # 获取构造函数参数的值，也可以nmf.attr得到，所以下面我会省略这些属性 # 下面四个函数很简单，也最核心，例子中见 nmf.fit(X) W = nmf.fit_transform( X) W = nmf.transform(X) nmf.inverse_transform(W) # -----------------属性------------------------ H = nmf.components _ # H矩阵 print('reconstruction_err_', nmf.reconstruction_err_) # 损失函数值 print('n_iter_', nmf.n_iter_) 随后也有了很多NMF变体，应用也越发广泛，包括文本降维、话题提取、图像处理等。这里必须指出，我看到一份NMF非常完整的资料，但是精力有限，不能全面cover，有兴趣的同学可以参考nimfa。
2.2K20编辑于 2022-07-04 - 来自专栏null的专栏
推荐算法——非负矩阵分解(NMF)
{m\times k}\geqslant 0 Hk×n⩾0 H_{k\times n}\geqslant 0 这便是非负矩阵分解(Non-negtive Matrix Factorization, NMF /data_nmf" file_path = ". 20160411 @author: zhaozhiyong ''' from pylab import * from numpy import * data = [] f = open("result_nmf plt.xlabel('generation') plt.ylabel('loss') show() 参考文献 Algorithm for Non-negative Matrix Factorization 白话NMF
1.7K30发布于 2019-02-13 - 来自专栏生信技能树
SPOTlight || 用NMF解卷积空间表达数据
作者 | 周运来 SPOTlight:Seeded NMF regression to Deconvolute Spatial Transcriptomics Spots with Single-Cell SPOTlight基于一个种子的非负矩阵因子分解回归（Seeded NMF regression ），使用细胞类型标记基因和非负最小二乘(NNLS)初始化，随后去卷积ST捕获位置(spot)。 用的非负矩阵分析方法：Seeded NMF regression ，也打包在这个函数之中了。对原理当然不能放过，看函数帮助文档和源码吧。 nmf_mod_ls <- spotlight_ls[[1]] nmf_mod <- nmf_mod_ls[[1]] ? coef h <- NMF::coef(nmf_mod) rownames(h) <- paste("Topic", 1:nrow(h), sep = "_") topic_profile_plts
1.9K10发布于 2021-10-22 - 来自专栏全栈程序员必看
学习笔记 | 非负矩阵分解(NMF)浅析
学习笔记 | 非负矩阵分解[NMF]浅析 1 背景说明 2 NMF简介 3 核心代码 4 NMF的应用 5 背景问题的拓展 6 小结 概要： 这篇博客和博客 学习笔记|主成分分析 图1 2-digits NMF练习题 2 NMF简介 非负矩阵分解(Non-negative Matrix Factorization, NMF)的基本思想可以简单描述为：对于任意给定的一个非负矩阵 NMF的应用包括但不限于提取特征、快速识别、基因和语音的检测等等。 NMF算法自于1999年由Lee和Seung发表于Nature后便广泛应用于各个场景。 下面用数学语言对NMF进行描述，并直接给出求解NMF的迭代公式，如图3所示。 图3 NMF的数学描述和求解迭代公式 如图3所示，NMF的本质是通过一个矩阵去求解两个为止矩阵。 图5 用NMF提取图像主要成分的过程分析 用NMF的方程表述，应当写成如下形式： 最后的结果如图6所示： 图6 用NMF提取图像主要成分的结果 下面分析图6的含义。
4.6K30编辑于 2022-09-13 内容复习---单细胞空间分析之NMF
作者，Evil Genius今天周六，我们来复习一个内容，NMF。关于运用NMF的文章已经非常多了，我分享给大家的23、24、25搜集的高分文献就有很多，这里就不一一列举了，我们以一篇高分文章为例。 而在单细胞空间的分析中，NMF的核心作用是识别核心转录程序：通过分析snRNA-seq数据，NMF成功地从复杂的基因表达数据中分解并识别出9个核心的、具有生物学一致性的"元程序"或"共识元程序"。 第三步：每个NMF gene programs进行聚类分析，识别robust gene programs。我们来简单实现一下,当然分析NMF通常选择高变基因进行（测试脚本）。 tryCatch({ # 运行NMF nmf_fit <- nmf(norm_data, rank = k, method = "brunet", nrun = 10) <- function(seurat_obj) { cat("Step 1: Running multiple k NMF\n") nmf_results <- run_multiple_k_nmf
47421编辑于 2025-11-15- 来自专栏优雅R
「R」使用NMF包绘制热图
学习文档: https://cran.r-project.org/web/packages/NMF/vignettes/heatmaps.pdf Heatmap引擎 NMF包中的热图引擎是由aheatmap 数据和模型 为了演示热图函数的用法，我们这里创建一个随机的NMF输入矩阵，以及一些注释和协变量。 接着，我们使用NMF模型来分解矩阵。 res = nmf(X, 3, nrun = 10) 混合系数矩阵：coefmap NMF结果的混合系数矩阵可以使用coefmap()函数进行绘制。 对于一个简单的NMF模型结果，一致性数据是不能显示的，只能通过最佳拟合进行聚类。 同一方法，计算多个rank的结果 函数nmf可以接受一组rank序列用来拟合多个不同的rank的结果。
3.4K30发布于 2020-07-03 - 来自专栏单细胞天地
SPOTlight || 用NMF解卷积空间表达数据
分析空间转录组数据(下) scanpy教程：空间转录组数据分析 10X Visium:空间转录组样本制备到数据分析 空间信息在空间转录组中的运用 定量免疫浸润在单细胞研究中的应用 SPOTlight:Seeded NMF SPOTlight基于一个种子的非负矩阵因子分解回归（Seeded NMF regression ），使用细胞类型标记基因和非负最小二乘(NNLS)初始化，随后去卷积ST捕获位置(spot)。 用的非负矩阵分析方法：Seeded NMF regression ，也打包在这个函数之中了。对原理当然不能放过，看函数帮助文档和源码吧。 nmf_mod_ls <- spotlight_ls[[1]] nmf_mod <- nmf_mod_ls[[1]] ? coef h <- NMF::coef(nmf_mod) rownames(h) <- paste("Topic", 1:nrow(h), sep = "_") topic_profile_plts
3.2K20发布于 2021-01-12 内容复习---NMF在单细胞数据中的运用
前段时间有粉丝觉得NMF之前的代码都太复杂了，看看能不能来个简单版本的。最近的文章也都不打算收费了，大家有个3块5块的打赏一下，买瓶绿茶喝一喝。 这一篇满足一下library(Seurat)library(NMF)library(pheatmap)library(RColorBrewer)library(dplyr)library(Matrix) data <- as.matrix(sdata@assays$RNA@scale.data)data[data<0] <- 0运行NMF,一般需要提前选择数量，提取每个因子前50个基因作为特征值。 set.seed(123)rk <- 2:20res <- nmf(data, rank = rk, nrun = 20, seed=1)plot(res)这里采用了10res <- nmf(data, 对每个特征的因子基因进行打分，获取NMF分数矩阵，这里采用了Seurat自带的函数AddModuleScore。
70410编辑于 2025-01-16内容复习----NMF在单细胞空间中的运用
好了，开始我们今天的复习，NMF讲过很多了，其意义不再过多赘述，核心原理如下：这里补充一点，如下图。 如果我们寻找细胞的异质性，通过标记基因来注释亚群，那Aty和Cla是无法区别的，因为特征基因两者都表达，只是表达高低的不同，如果想区分，NMF是一个很好的办法。 空间也经常使用，cell2location就提供了NMF分析细胞类型关系关系的例子。 今日目标，寻找NMF因子以及识别因子关键的基因代码很简单library(Seurat)library(ggplot2)library(UCell)library(patchwork)library(tidyr 对于NMF来说，最重要的参数可能是维度k，其对应于低维矩阵的program数量。为了确定稳健的program，需要运行NMF多次，并确定在这些运行中始终存在的program。
45710编辑于 2025-02-13- 来自专栏大数据智能实战
Spark NMF（非负矩阵分解）算法实现与测试
非负矩阵分解定义为：找到非负矩阵 与 使得 。在计算中等式两者很难完全相等。在计算中往往是根据某更新法则迭代更新出两个乘子，当上式左右两端的距离（如欧式距离）满足我们设定的大小，停止迭代。
63820编辑于 2022-05-07 - 来自专栏优雅R
「R」NMF rank度量图该怎么看
幕布笔记[1] NMF W basis H coefficients Rank选择 图 Sparseness 残差和残差平方和自不必说 dispersion 离差 In statistics, dispersion
2.3K10发布于 2020-07-03 - 来自专栏单细胞天地
单细胞分析十八般武艺：NMF
往期回顾 单细胞初级8讲和高级分析8讲 NMF算法简介 NMF是什么？ ? NMF的特点？ NMF最重要的特点是非负性约束。 ::install('Biobase') install.packages('NMF') nmf函数简介 NMF包通过nmf()函数实现矩阵分解，它的用法及重要参数如下： nmf(x, rank, method NMF因子可解释性探索 对比PCA分析的结果，NMF虽然毫不逊色，但是它的运行时间更长，我们为什么要用NMF呢？ NMF因子与细胞类型的关系 ## 人工定义细胞类型 pbmc.nmf$celltype <- pbmc.nmf$seurat_clusters pbmc.nmf$celltype <- recode(pbmc.nmf
15K75发布于 2021-03-25
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号