简单地说,即是将一个矩阵X像因式分解一样分解成两个矩阵W和H:nmf(X)->WH。 并且W和H应该为非负的。
近似的NMF:
通常求得的为一个近似的值,因此NMF过程可以写成:
X=WH+U。其中U可以看作是余数。
有不同方式的NMF,这依不同的损失函数(cost functions)而定,而这些损失函数是用来测量X和WH之间差别的,或者使用归一化的W和H。
有很多计算NMF的方法
Squared error版本的NMF因式分解问题可以这样解释:
给定一个非负的举证X,找到非负矩阵W和H使得函数
F(W,H)=||X-WH||F2
最小化。
因式分解的结果不是唯一的:
一个矩阵和它的逆矩阵可以用来改变这两个因式矩阵:
WH=WBB-1H
如果这两个新的W=WB, H=B-1H,是非负的话,他们即形成了一个新的因式分解。