linear-algebra - 如何获得非负分解矩阵的低维秩
问题描述
我有一个大矩阵
X = numpy.random.rand(1000, 1000)
使用 sklearn.decomposition 我分解了矩阵,例如:
from sklearn.decomposition import NMF
model = NMF(n_components=1, init='random', random_state=0)
W = model.fit_transform(X)
H = model.components_
现在我想找到W的低暗等级。我怎么能找到W的等级?
解决方案
为了得到 NMF 矩阵的秩,大矩阵包含噪声,应该使用奇异值阈值公式去除。阈值化后,将更容易获得 NMF 矩阵的非零值。
推荐阅读
- java - 为什么执行AudioSystem.getAudioInputStream时会出现nullpointerException?
- python-3.x - 将 LIST A 中的列表项与元组列表 LIST B 中的每个第一个元素进行比较
- infor-eam - 导出到 Excel 只得到第一个采购订单零件清单
- python - python(pycharm)numpy.load“内存错误”
- reactjs - DraftJs - 当从 EditorState.createWithContent() 添加实体时,编辑器将实体添加到错误的块中
- php - Linux 最新 suexec 错误日志消息 cmd:suspendpage.cgi
- python - 正则表达式匹配数字、字符和非字符的组合,大小在 11-15 之间
- php - PHP登录槽API(POST请求错误)
- google-cloud-platform - 等了好几个小时才开始工作培训,我怎么知道?这次我会付钱吗?
- nginx - 对所有未找到的 PHP 文件使用 index.php