python - sklearn 矩阵分解示例

Question

我正在使用http://www.quuxlabs.com/blog当前给出的代码

它给出了很好的结果。而且我可以清楚地看到矩阵发生了哪些变化。

我也尝试在sklearn.decomposition.NMF使用 sklearn 库， 但是我用相同的输入得到的结果还不够好。也许我错过了一些东西。

这是我的示例代码 -

from sklearn.decomposition import NMF , ProjectedGradientNMF
R = [
     [5,3,0,1],
     [4,0,0,1],
     [1,1,0,5],
     [1,0,0,4],
     [0,1,5,4],
    ]
R = numpy.array(R)
nmf = NMF(beta=0.001, eta=0.0001, init='random', max_iter=2000,nls_max_iter=20000, random_state=0, sparseness=None,tol=0.001)
nR = nmf.fit_transform(R)
print nR
print
print nmf.reconstruction_err_
print

正如我使用博客中给出的代码所看到的，它没有维护矩阵中的现有/填充值。

谁能帮我理解！

Answer 1

嗯......我很愚蠢！我浏览了nmf.py并发现 fit_tranform 只返回 W 而 nmf.component_ 获得 H 的值。这些点积给出了新的 R。

from sklearn.decomposition import NMF , ProjectedGradientNMF
R = [
     [5,3,0,1],
     [4,0,0,1],
     [1,1,0,5],
     [1,0,0,4],
     [0,1,5,4],
    ]
R = numpy.array(R)
nmf = NMF()
W = nmf.fit_transform(R);
H = nmf.components_;
nR = numpy.dot(W,H)
print nR