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
LSA、pLSA、LDA、NMF、BERTopic、Top2Vec进行主题建模
Mr数据杨
01-04 4901
在自然语言处理（NLP）中，主题建模是一种技术，用于从文本数据中发现隐藏的语义主题（或主题）。这是一个无监督机器学习问题，即在没有标签或标签的情况下学习模式。主题建模的应用非常广泛，可用于搜索引擎、情感分析、新闻聚类和摘要生成等许多任务。在这里将探讨主题建模的不同方法，包括传统的统计方法和最新的基于深度学习的方法。我们还将介绍每种方法的优点和缺点，并提供端到端的 Python 示例。
NMF在文档聚类中的应用
hero_fantao的专栏
05-17 2075
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
ClusterGAN: Latent Space Clustering in Generative Adversarial Networks论文理解
weixin_43897803的博客
07-16 508
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
深入理解PCA+Kmeans+NMF+谱聚类
Bear_Kai的专栏
12-10 6398
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
01-07 737
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...
理解机器学习中的潜在空间（Understanding Latent Space in Machine Learning）
bunny___的博客
07-05 2061
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。
nmf算法 python_Python-Sciki中的NMF聚类方法
weixin_32827773的博客
02-19 1087
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 3271
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...
文本挖掘（10）：文本分类与聚类技术教程
kkchenjj的博客
07-19 1147
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 1290
python实现的基于NMF的多图聚类算法
聚类_21范数_NMF_非负矩阵分解：Robust Manifold Nonnegative Matrix Factorization
l317820483的博客
12-16 2146
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 3671
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
02-20 942
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 3556
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 2066
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