问题标签 [nmf]

我正在使用 Scikit-learn 的非负矩阵分解 (NMF) 在零条目缺失数据的稀疏矩阵上执行 NMF。我想知道 Scikit-learn 的 NMF 实现是否将零条目视为 0 或缺少数据。

谢谢！

我在 python 中创建了一个 NMF 主题模型，其代码片段如下：

它创建了 20 个主题，如下所示：

现在我想在新文本上进行测试，以便根据这些类别对这些文本进行分类。我怎么做？

我正在尝试对 Doc2Vec 的输出使用非负矩阵分解。然而，有一个限制是不能有负输入。我如何在不做绝对值之类的事情来解释结果的情况下让它变得积极？如果有帮助，我将加载一个新段落并计算相似性，但我认为使用 Doc2Vec 会捕获更多含义。

我想使用 scikit-learn NMF（从这里开始）（或者任何其他 NMF，如果它确实可以完成这项工作）。

具体来说，我有一个输入矩阵（这是一个音频幅度谱图），我想分解它。

我已经预先计算了 W 矩阵。如何使用固定的 W in sklearn.decompose.NMF？我还没有发现任何其他问题问这个。

我看到这个方法在fit参数中也提到了类似的东西：“如果为 False，则假定组件已预先计算并存储在转换器中，并且不会更改。”。但是，我不确定如何制作该变压器对象。

（这是我第一次提问，如果您觉得标签或描述有问题，请告诉我，谢谢！）

我正在做一个工作Matrix Factorization并使用模块sklearn.decomposition.nmf 该模块使用另一个模块 from sklearn.decomposition.cdnmf_fast import _update_cdnmf_fast 这个模块来自文件cdnmf_fast.so 你可以在这个网站上查看它的源代码 /sklearn/decomposition/cdnmf_fast.pyx 我们可以看到它使用C语言和“ with nogil:"，所以我认为它必须使用并行化。所以我写了一个类似的代码来测试它，如下所示：

预期结果是 X=X+VW*U=0+V-0=V。但是，结果很奇怪，而且比 np.dot() 慢得多。然后我把这段代码改成普通的python代码，而不是并行化代码。结果和以前一样。所以我确信它的并行化不起作用。因为它在改变 X 的同时使用了 X，所以结果当然是错误的。我不知道为什么它的并行化不起作用。是由于模块的错误还是我导入方式的方法？

实际上，当我使用 sklearn.decomposition.nmf 模块时，这让我很担心，我不确定我什么时候使用这个模块，它的并行化是否也不起作用。所以我想知道它是如何使并行化工作的。

谢谢您的帮助！

我正在尝试将 NMF 应用于以灰度模式加载的特定图像。我尝试了几个链接，但应用 NMF 后的图像几乎保持不变，无法与最初加载的灰度图像区分开来。

然而，当我遇到 scikit-learn 关于在数据集上实现分解的代码时，我看到那里的面孔已经变成了鬼脸。链接在这里：

http://scikit-learn.org/stable/auto_examples/decomposition/plot_faces_decomposition.html#sphx-glr-auto-examples-decomposition-plot-faces-decomposition-py

这是我正在使用的代码：

我对矩阵上的 NMF 技术很陌生，尤其是如此大的图像 numpy 数组。
我的图像是 test1.jpeg，即 225 * 224 .jpeg 图像。

有人可以帮我实现单个图像的代码吗？提前非常感谢。

我正在使用 scikit-learn 的 nmf 算法从一些博客中提取趋势词。例如，我有“游戏王座”（虽然“的”被删除为停用词，但这很好），但我也有“游戏”和“王座”。我有“marcus hutchins”（好），但我也有“marcus”和“hutchins”，这很糟糕。如何防止重复？这是我所拥有的（变量“文档”是一个包含博客文章的列表）：

我已经运行了一个 ALS 模型，并且正在处理输出建议。它们目前采用这种格式：

每行在“item_ids”列中包含一个列表，在“ratings”列中包含一个列表。

我想做的是“取消透视”“item_ids”和“ratings”中的每个列表，使其看起来像这样：

我发现这样做的唯一方法是通过过滤一个 user_id 一次一个用户，将列表转换为 Pandas 数据帧中的列，然后将其往返返回到 Spark 数据帧。正如您可能想象的那样，使用几百万个 user_id 需要很长时间才能完成。我也考虑过使用此处描述的“堆​​栈”功能，但所需的手动输入也需要很长时间。我还考虑了此处找到的代码，但在涉及列表时它不起作用。

有没有更有效的方法来做到这一点而不必依赖 Pandas？我在 Databricks 上运行 Pyspark (Spark 2.2.0)。

我有以下用于主题建模的代码，我需要从 CSV 文件中获取文本数据，并将它们分组为名为 Topic 0 和 Topic 1 的 2 个主题：

例子：

输入：

输出：

我正在使用来自 scikit-learn 的 NMF（又名 NNMF）对自然语言数据进行主题提取。我正在尝试优化集群（又名组件）的数量。为此，我需要计算重建误差。然而，使用 scikit-learn 我只看到了一种在训练集上计算这个指标的方法。但我有兴趣为测试集获取这些指标。有什么建议么？