Uwzględnij inny wymiar do nieujemnej czynników macierzy (NMF)?

1. Dlaczego NMF nie ujemne?
2. W jaki sposób działa nieujemna czynnik faktoryzacja macierzy?
3. Jaki rozkład jest używany do modelowania elementów macierzy w nieujemnej faktoryzacji macierzy?
4. Jaka jest główna zaleta nieujemna czynnik macierzy NMF w stosunku do SVD jako techniki redukcji wymiarów?

Dlaczego NMF nie ujemne?

Nieżonosiona czynnik macierzy (NMF lub NNMF), również nieujemna przybliżenie macierzy jest grupą algorytmów w analizie wielowymiarowej i algebrze liniowej, w której macierz V jest faktoryzowana w (zwykle) macierze W i H, z właściwością, że wszystkie trzy macierze nie mają negatywnych elementów.

W jaki sposób działa nieujemna czynnik faktoryzacja macierzy?

Nieużne czynniki macierzy wykorzystuje techniki analizy wielowymiarowej i algebry liniowej. Rozkłada dane jako matrycę M do produktu dwóch niższych macierzy rankingowych W i H. Podmatrix W zawiera podstawę NMF; Podmatrix H zawiera powiązane współczynniki (wagy).

Jaki rozkład jest używany do modelowania elementów macierzy w nieujemnej faktoryzacji macierzy?

Rozkład Poissona - nieujemna czynnik macierzy jako maksymalne prawdopodobieństwo - zatwierdzone krzyżowe.

Jaka jest główna zaleta nieujemna czynnik macierzy NMF w stosunku do SVD jako techniki redukcji wymiarów?

Dlatego główna różnica NMF od innych metod redukcji wymiarów (e.g., SVD) polega na tym, że NMF umożliwia jedynie niestabilne kombinacje komponentów nieujemnych. To ograniczenie niezażywowości ostatecznie prowadzi do reprezentacji NMF opartej na częściach.