Sklearn中的非负矩阵因式分解

Question

我在非常大的矩阵上应用非负矩阵分解（NMF）。实质上，NMF方法执行以下操作：给定m乘n矩阵A，NMF分解为A = WH，其中W是m乘以d，H是d乘n。 ProjectedGradientNMF方法在Python包Sklearn中实现。我想要算法返回W和H.但它似乎只返回H，而不是W.再次应用该算法到AT（转置）可以给我W.但是，我想避免计算两次，因为矩阵ix非常大。

如果你能告诉我如何同时得到W和H，那太棒了！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

幸运的是，你可以看看通过源代码：
https://github.com/scikit-learn/scikit-learn/blob/master/sklearn/decomposition/nmf.py

fit_transform()始于线460，并在线路530这表明H被连接到components_，并返回W从功能。

所以，你不应该有两次运行这个，你应该只改变：

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

到

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