0

我正在尝试为出色的 NMF 包制作 Python 接口 - https://cran.r-project.org/web/packages/NMF/NMF.pdf（因为它比 Python 选项灵活得多）。到现在为止还挺好。

我想出了这样的事情：

# Python rpy2
__NMF = importr("NMF")
n_comp_R = robjects.IntVector(n_components)
nmf_ro = self.__NMF.nmf(data, n_comp_R, methods, self.seed, nrun=10)

它就像一个魅力。方法是我可以使用的可能算法的列表：

nmf算法（）

[1] “深色” “KL” “李” “Frobenius” “偏移”

[6]“nsNMF”“ls-nmf”“pe-nmf”“siNMF”“snmf/r”

[11] "snmf/l"

其他可能性是使用自定义算法，如 NMF 文档中所述

# R code
my.algorithm <- function(x, seed, param.1, param.2) {
    # do something with starting point ...
    # return updated starting point
    return(seed)
} 
res <- nmf(data, n_comp, my.algorithm)

我怎样才能重现这个使用rpy2？

我试过类似的东西：

import rpy2.robjects as robjects

my_algorithm = robjects.r('''
function (x, seed, scale.factor = 1) 
{
    pca <- prcomp(t(x), retx = TRUE)
    factorization.rank <- nbasis(seed)
    cat(seed)
    basis(seed) <- abs(pca$rotation[, 1:factorization.rank])
    coef(seed) <- t(abs(pca$x[, 1:factorization.rank]))/scale.factor
    return(seed)
    }
''')
nmf_ro = __NMF.nmf(data, n_comp_R, my_algorithm.r_repr(), nrun=1)

但它并没有创造魔法=（

NMF 算法 - 键“key=function (x, seed, scale.factor >= 1) 没有匹配条目

{

pca <- prcomp(t(x), retx = TRUE)

factorization.rank <- nbasis(种子)

猫（种子）

基础（种子）<- 绝对值（pca$rotation[, 1:factorization.rank]）

coef(seed) <- t(abs(pca$x[, 1:factorization.rank]))/scale.factor

返回（种子）

}”在注册表中。

使用以下之一：'brunet'、'Frobenius'、'KL'、'lee'、'ls-nmf'、'.M#brunet'、'nsNMF'、'offset'、'pe-nmf'、'.R #brunet'、'.R#lee'、'.R#nsNMF'、'.R#offset'、'siNMF'、'.siNMF'、'snmf/l'、'snmf/r'。

警告.warn(x, RRuntimeWarning)

我想知道是否有人可以在这里帮助我？

4

1 回答 1

1

最初的提问者在 Github 上的 NMF 项目上回答了他的问题。如那里所述，您将新算法定义为一个函数，然后使用setNMFMethod将该函数添加到执行非负矩阵分解的算法的注册表中，然后您可以按名称调用它。

于 2017-10-24T09:34:56.920 回答