非负矩阵分解NMF(Non-negative Matrix Factorization)是一种矩阵分解的方法,在图像分析、文本聚类、数据挖掘、语音处理等方面得到了广泛应用。
定义:给定非负矩阵V(m * n)及正整数k < min{m, n},找到非负矩阵W(m * k)和H(k * n), 使得有 V = WH + ε, 其中ε为噪声,WH为V的非负矩阵分解。通过矩阵分解,将矩阵的维数进行降低,对大量的数据进行压缩。
V:m * n data matrix,m个(行)特征(features),n个(列)observations/examples/feature vectors/samples,Vi=(V1i,V2i,...Vmi)表示在n个观察值中第i个特征向量观察值。
W:m * k dictionary matrix,Wik是其中的一个系数,Wk是

非负矩阵分解NMF是一种用于图像分析、文本聚类等领域的矩阵分解方法,通过分解矩阵降低维度并压缩数据。NMF定义为找到非负矩阵W和H,使得V≈WH,其中V是非负数据矩阵。W为字典矩阵,H为激活矩阵,两者相乘表示非负数据的线性组合。NMF通过交替最小二乘法进行迭代求解,R语言中有NMF包实现该方法。不同的初始矩阵可能导致不同的结果,k值的选择影响分解的质量。
最低0.47元/天 解锁文章
1526

被折叠的 条评论
为什么被折叠?



