Sklearn中的非负矩阵分解

Question

我正在对一个很大的矩阵使用非负矩阵分解（NMF）的方法。简单来说，NMF的工作原理是这样的：给定一个m行n列的矩阵A，NMF会把它分解成A = WH，其中W是m行d列的矩阵，H是d行n列的矩阵。ProjectedGradientNMF这个方法是在Python的Sklearn库中实现的。我希望这个算法能同时返回W和H，但似乎它只返回了H，而没有返回W。如果我对A的转置（A.T）再运行一次这个算法，就能得到W。但是，由于这个矩阵非常大，我不想重复计算。

如果你能告诉我怎么同时得到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

幸运的是，你可以查看源代码：
https://github.com/scikit-learn/scikit-learn/blob/master/sklearn/decomposition/nmf.py

fit_transform() 这个函数从第460行开始，到第530行时显示 H 被附加到 components_ 上，而 W 是从这个函数返回的。

所以你不需要运行两次这个函数，你只需要把：

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

改成

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