Sklearn中的非负矩阵分解

Question

我正在对一个大矩阵应用非负矩阵分解 (NMF)。本质上，NMF 方法执行以下操作：给定一个 m × n 矩阵 A，NMF 分解为 A = WH，其中 W 是 m × d，H 是 d × n。 ProjectedGradientNMF 方法在 Python 包 Sklearn 中实现。我希望算法同时返回 W 和 H。但它似乎只返回 H，而不是 W。再次将算法应用于 AT（转置）可以给我 W。但是，我想避免计算它两次，因为矩阵 ix 非常大。

如果你能告诉我如何同时获得 W 和 H，那就太好了！下面是我的代码：

from sklearn.decomposition import ProjectedGradientNMF
import numpy
A = numpy.random.uniform(size = [40, 30])
nmf_model = ProjectedGradientNMF(n_components = 5, init='random', random_state=0)
nmf_model.fit(A)
H = nmf_model.components_.T

Answer 1

幸好你可以看一下源码：
https://github.com/scikit-learn/scikit-learn/blob/master/sklearn/decomposition/nmf.py

fit_transform() 从第 460 行开始，在第 530 行显示H 已附加到components_，并且从函数返回W。

所以你不应该运行两次，你应该改变：

nmf_model.fit(A);
H = nmf_model.components_.T;

到

W = nmf_model.fit_transform(A);
H = nmf_model.components_;