一个使用 latent space clustering model 和 NMF 进行Bicluster 聚类的实例

最新推荐文章于 2024-08-13 11:28:01 发布
最新推荐文章于 2024-08-13 11:28:01 发布
阅读量3.2k 收藏 11
点赞数 1
分类专栏： 数据挖掘 文章标签： NMF biclustering 聚类 数据挖掘 latent clustering
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/xsl100/article/details/54175879
版权
本文通过一个使用Davis数据集的例子，详细解释如何结合latent clustering model和非负矩阵分解（NMF）进行双聚类（biclustering）。利用R包latentnet和NMF进行分析，结果显示活动和消费者可以明显分为两类，NMF提供的结果更加清晰，验证了两种方法的一致性。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

NMF = nonnegative matrix  factorization 


具体介绍请看拙文

使用NMF模型进行消费者行为分析


本文将举例介绍如何综合使用  latent clustering model 和 NMF 模型 对消费者进行聚类。


我们这次演示用的数据是 Davis 数据集， 这是个18 * 14 的小数据集， 每一行是一位女性，总共18位女性，每一列是一个活动，总共有14个活动。 每一个cell可以取1或者0， 取值之为1时，代表该行代表的女士参加了该列的活动。你可以把每个活动想象成不同的电影或者在不同的餐馆就餐。 这里有个关于使用latent clustering model的教程，也是使用的Davis 数据集。


以下是具体数据：




我们使用R package latentnet  进行聚类


最低0.47元/天 解锁文章
ClusterGAN: Latent Space Clustering in Generative Adversarial Networks论文理解
weixin_43897803的博客
07-16 520
目的：使用GAN在隐空间中进行聚类 一、背景 普通GAN的训练过程：minθGmaxθDEx∼Pxrq(D(x))+Ez∼Pzq(1−D(G(z)))min_{\theta G}max_{\theta D}\textbf{E}_{x\sim P^r_x}q(D(x))+\textbf{E}_{z\sim P_z}q(1-D(G(z)))minθG​maxθD​Ex∼Pxr​​q(D(x))+Ez∼Pz​​q(1−D(G(z)))，它无法在隐空间很好地聚类。 原因：GAN聚类的一个可能的方式是将数据反向传播到
理解机器学习中的潜在空间（Understanding Latent Space in Machine Learning）
bunny___的博客
07-05 2172
If I have to describe latent space in one sentence, it simply means a representation of compressed data. 如果我必须用一句话来描述潜在空间，它只是意味着压缩数据的表示。
深入理解PCA+Kmeans+NMF+谱聚类
Bear_Kai的专栏
12-10 6417
本文对这几种算法进行统一分析和归纳。1. PCA与Kmeans降维–主成分分析（PCA）–第4.1节2. 谱聚类与Kmeans聚类–谱聚类–第5节kmeans假设数据服从高斯分布，所以对于非高斯分布的数据性能表现可能不好，这个时候我们可以利用核方法扩展，得到kernel kmeans，相当于把原始d维数据投影到一个高维核空间中再进行kmeans聚类。本质上，谱聚类也是干了这么一件事儿，相似度矩阵W就
Deep Discriminative Latent Space for Clustering 理解梳理
shaodongheng的博客
01-07 740
Deep Discriminative Latent Space for Clustering 理解梳理 翻译链接：https://blog.csdn.net/shaodongheng/article/details/83021629 网络结构图： 两个部分的算法： 预训练阶段：  是最大迭代次数，，是第 i 次迭代方程： 的结果，是一个很小的数。 计算数据集原始表示的k最近...
nmf算法 python_Python-Sciki中的NMF聚类方法
weixin_32827773的博客
02-19 1092
我正在为NMF文本数据集群实现一个Python脚本。在我的工作中，我使用的是Scikit NMF实现，然而据我所知，Scikit NMF更像是分类方法而不是聚类方法。在我开发了一个简单的脚本来处理一些示例arctics。我正在对它们进行预处理，并将其作为NMF的输入。根据我的教授分享的论文，我收到了一些集群，但是我不知道如何可视化/呈现它们。在你们有谁知道如何让这本书更人性化？：)主脚本代码如下：...
使用NMF模型进行消费者行为分析.
小松的笔迹
01-02 3283
使用NMF模型进行消费者行为分析.
基于NMF的多视图无监督聚类：一致性与可比性的融合
"《多视图聚类通过联合非负矩阵分解》是一篇研究论文，针对许多现实世界数据集存在的多维度、多视角特性，提出了一个新颖的多视图聚类方法。在这些数据集中，不同视角通常提供互补的信息，多视图聚类的目标是整合...
【多视图聚类】SMILE:Semantic Invariant Multi-view Clustering with Fully Incomplete Information
weixin_44184852的博客
06-10 1127
由于通常影响现实世界多视图应用的不完全对应和不完全实例等问题，具有不完全信息的鲁棒多视图学习受到了极大的关注。现有方法严重依赖配对样本来重新对齐或估算有缺陷的样本，但由于数据收集和传输的复杂性，这种先决条件在实践中并不总是得到满足。为了解决这个问题，我们提出了一个新的框架，称为语义不变性学习（SMILE），用于不完整信息的多视图聚类，不需要任何配对样本。具体来说，我们发现不同视图之间存在不变语义分布，这使得SMILE能够缓解跨视图差异，以学习共识语义，而不需要任何配对样本。
文本挖掘（10）：文本分类与聚类技术教程
kkchenjj的博客
07-19 1164
聚类是一种无监督学习方法，用于将数据集中的对象分组到不同的簇中，使得同一簇内的对象彼此相似，而不同簇的对象彼此相异。在文本挖掘中，聚类算法被广泛应用于文档分类、主题发现和信息组织。基于词频的文本聚类主要依赖于词频统计，如TF-IDF，来表示文本。这种方法假设文本的相似性可以通过它们共享的词汇来衡量。主题模型是一种统计模型，用于发现文档集合中的抽象主题。LDA（Latent Dirichlet Allocation）是最常用的主题模型之一，它假设文档由多个主题组成，每个主题由多个词汇组成。
nmf的matlab代码-NmfClustering:基于非负矩阵分解的数据聚类方法
05-26
nmf的matlab代码
nmf的matlab代码-symnmf:对称NMF用于图聚类
05-26
nmf的matlab代码对称NMF用于图聚类 对称非负矩阵因式分解（SymNMF）是一种无监督的图聚类算法，发现了许多用例及其扩展，这些用例涉及生物信息学和基因组研究。 这个Matlab软件包是为以下论文开发的： Da Kuang, Chris Ding, Haesun Park, Symmetric Nonnegative Matrix Factorization for Graph Clustering, The 12th SIAM International Conference on Data Mining (SDM '12), pp. 106--117, 2012. 和日记版本： Da Kuang, Sangwoon Yun, Haesun Park, SymNMF: Nonnegative low-rank approximation of a similarity matrix for graph clustering, Journal of Global Optimization, 62(3):545-574, 2015. 如果发现该代码有用，请引用本文。 问题陈述 S
python实现的基于NMF的多图聚类算法
qq_52785898的博客
06-24 1297
python实现的基于NMF的多图聚类算法
NMF在文档聚类中的应用
hero_fantao的专栏
05-17 2079
上一篇详细说明了NMF算法。这里，来学习下NMF在文档聚类中的应用。 （1）给定一个文档语料库，首先构造一个词-文档矩阵V，其中V的i列代表文档di的加权词频向量。 （2）使用NMF方法分解矩阵V，得到分解矩阵W,H （3）归一化W,H。 （4）使用矩阵H来决定每个文档的归类。那个文档di的类标为：x，当： 当然，如果想对单词进行聚类，我们可以
聚类_21范数_NMF_非负矩阵分解：Robust Manifold Nonnegative Matrix Factorization
l317820483的博客
12-16 2161
将21范数应用到NMF的一篇论文，写的有些简略，后面有时间再补充 Abstract 非负矩阵分解（NMF）是用于数据分析的应用最广泛的聚类技术之一。 由于目标函数中含有每个数据点的平方残差误差，因此易受极端值影响。 本文提出鲁棒流形非负矩阵分解（RMNMF）方法，使用21范数，并在相同的聚类框架下集成NMF和谱聚类。 本文还指出了现有NMF方法的解决方案唯一性问题，并提出了一个额外的正交约束...
转录组非负矩阵分解(NMF)/一致性聚类(ConsensusClusterPlus）
最新发布
zfyyzhys的博客
08-13 4054
输入的数据矩阵。通常行代表样本，列代表特征或变量。是进行聚类分析的基础数据。该参数表示聚类分析时测试的最大簇数 (K)。通常设定一个合适的范围，比如2到10，以确定数据的最佳聚类数。重复聚类的次数。默认值为 100。增加重复次数可以提高一致性评估的准确性。在这里，设为500表示每个K值的聚类过程将重复500次。每次子采样时抽取样本的比例。默认值为 0.8。用于创建子样本来评估聚类的稳定性。pItem = 0.8表示每次采样80%的样本。每次子采样时抽取特征（变量）的比例。默认值为 1。
NMF方法简介和聚类应用
热门推荐
HappyRocking的专栏
12-28 1万+
1、NMF方法简介 NMF（Non-negative Matrix Factorization，非负矩阵分解）是一种矩阵分解方法，最早是在1999年Nature杂志刊登的由D.D.Lee和H.S.Seung两位科学家提出的一个对非负矩阵研究的成果。 NMF的目标： 给定一个所有元素均为非负的矩阵V，维数为n*m。要寻找到两个非负矩阵W和H，使得尽可能满足V=WH。其中W维数为n*r，H维数为
论文笔记：Local Latent Space Models for Top-N Recommendation
qq_35771020的博客
02-20 949
一、基本信息 论文题目：《Local Latent Space Models for Top-N Recommendation》 发表时间：KDD 2018 论文作者及单位： Evangelia Christakopoulou University of Minnesota, Minneapolis, MN, USA George Karypis University of...
NMF降维算法与聚类模型的综合运用
weixin_43577256的博客
11-21 3606
NMF降维算法与聚类模型的综合运用前言一：NMF算法二：NMF算法的使用三：NMF算法与层次聚类的综合使用四：总结 前言 这一章，我们讨论下另一个比较有效的降维手段：NMF（非负矩阵分解）。NMF降维理论的创建相比于经典的降维理论，略显“年轻”。我们接下来将详细介绍下NMF的原理以及在生产实践中的运算，结合代码和可视化图像来说明这些。 岁月如云，匪我思存，写作不易，望路过的朋友们点赞收藏加关注哈，在此表示感谢！ 一：NMF算法 NMF又叫非负矩阵分解，为什么是“非负”？因为非负数据往往在实际中才是有意义的数
R语言NMF挖掘基因模块
热衷分享交流
10-25 2176
基于R语言NMF包进行基因模块的挖掘
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值