scikitlearn中NMF中的自定义矩阵

Question

我要用sklearn做NMF，我使用了这里的说明： http://scikit-learn.org/stable/modules/generated/sklearn.decomposition.NMF.html

我想添加我的初始化矩阵H，有选项可以做init='custom'，但我不知道如何给他矩阵H。 我试过：

model = NMF(n_components=2, init='custom',H=myInitializationH random_state=0);

但它不起作用。在

另外，是否有人知道如何修复我的矩阵，只更新W？在

编辑：

谢谢你的回答

当我选择自定义选项时，我得到错误：

^{pr2}$

然而，矩阵不包含任何nan或无穷大。 此外，我对非常小的矩阵进行了测试，看它是否良好：

import numpy as np
from sklearn.decomposition import NMF

x=np.ones((2,3));
#model = NMF(n_components=1, init='custom', solver='mu',beta_loss=1,max_iter=500,random_state=0,alpha=0,verbose=0, shuffle=False);
model = NMF(n_components=1, init='custom');
fixed_W = model.fit_transform(x,H=np.ones((1,3)));
fixed_H = model.components_;

print(np.matmul(fixed_W,fixed_H));

我也犯了同样的错误，除非我用“随机”而不是“自定义”。在

你也会这样吗？为什么会这样？在

Answer 1

传递fit()或fit_transform()中的W和H。在

根据documentation of ^{}：

W : array-like, shape (n_samples, n_components)
    If init=’custom’, it is used as initial guess for the solution.

H : array-like, shape (n_components, n_features)
    If init=’custom’, it is used as initial guess for the solution.

这同样适用于fit()。在

做一些类似的事情：

model.fit(X, H=myInitializationH, W=myInitializationW)

更新： 似乎如果传递init='custom'参数，则需要同时提供W和H。如果提供H而不提供W，则会将其视为None，然后抛出一个错误。在