python - 如何在 python sklearn 中为 NMF 选择最佳组件数量？

Question

python 的 sklearn 中没有内置函数来执行此操作。

在我的研究中，我发现可以通过以下方式计算“精度分数”错误（组件）

组件的最佳数量将具有最小的 err(c)。

给定以下测试代码，如何在 python 中实现精度分数？

import numpy as np
import pandas as pd
from sklearn.decomposition import NMF
X = np.random.rand(40, 100) # create matrix for NMF
c = 4
model = NMF(n_components=c, init='random', random_state=0)
W = model.fit_transform(X)
H = model.components_

Answer 1

我不确定您的公式中的转置，因为 sklearn 似乎已经转置 H 但这应该可以解决问题

err = np.linalg.norm(X - W @ H)**2/np.linalg.norm(X)**2
print(err)

Answer 2

只需使用内置函数“重建错误”，如下所示：

错误 = 模型.reconstruction_err_