Esta página aún no se ha traducido para esta versión. Puede ver la versión más reciente de esta página en inglés.

Factorización matricial no negativa

() es una técnica de reducción de dimensiones basada en una aproximación de rango bajo del espacio de entidades.Factorización de matriz no negativaNMF Además de proporcionar una reducción en el número de características, el NMF garantiza que las características no son negativas, produciendo modelos aditivos que respetan, por ejemplo, la no negatividad de las cantidades físicas.

Dado un no negativo por matriz y un entero positivo < min (,), el NMF encuentra no negativo-por-y-por-matrices y, respectivamente, que minimizan la norma de la diferenciamnXkmnmkknWH XWH. y por lo tanto son factores no negativos aproximados de.WHX

Las columnas de representar transformaciones de las variables en; las filas representan los coeficientes de las combinaciones lineales de las variables originales en las que producen las variables transformadas.kWXkHnXW Dado que es generalmente más pequeño que el rango de, el producto proporciona una aproximación comprimida de los datos en.kXWHX Un rango de valores posibles para se sugiere a menudo por el contexto de modelado.k

La función lleva a cabo la factorización de matriz no negativa. utiliza uno de los dos algoritmos iterativos que comienzan con valores iniciales aleatorios para y.Statistics and Machine Learning Toolbox™nnmfnnmfWH Porque la norma del residuo XWH puede tener minima local, llamadas repetidas a puede producir diferentes factorizaciones.nnmf A veces el algoritmo converge a una solución de rango inferior que, lo que puede indicar que el resultado no es óptimo.k

Consulte también

Temas relacionados