Sklearn中的非负矩阵分解

Question

我在一个大矩阵上应用非负矩阵分解（NMF）。本质上，NMF方法执行以下操作：给定m乘n矩阵A，NMF分解为A=W H，其中W是m乘d，H是d乘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。将算法再次应用到A.T（转置）可以得到W。然而，我希望避免计算它两次，因为矩阵ix非常大。

如果你能告诉我如何同时获得W和H，那太好了！以下是我的代码：

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，您可以查看源代码：
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附加到components_，并且W从函数返回。

所以你不必运行两次，你只需更改：

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

到

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