非负矩阵分解：交替最小二乘法
我正在尝试用交替最小二乘法实现NMF。我只是好奇这个问题的以下基本实现： 如果我理解正确的话，我们可以用封闭形式的解来求解这个伪代码中陈述的每个矩阵方程，没有非负性约束，并以一种蛮力的方式将负条目设置为0。这种理解正确吗？例如，在我们使用投影梯度下降的情况下，这是更复杂、更受约束的优化问题的基本替代方案吗？更重要的是，如果以这种基本的方式实现，算法还会有实用价值吗？我想使用NMF进行变量缩减
..
matrix-factorization相关内容
Julia:将 CHOLMOD 因子转换为稀疏矩阵并再次转换回来
我有一个稀疏矩阵 H 的 CHOLMOD 分解，我想编辑上、下和块对角因子的稀疏表示.我怎样才能做到这一点?当我运行以下命令时，最后一行不起作用. H = sprand(10,10,0.5)fac = ldltfact(H; shift=0.0)fD = fac[:D]D = Base.SparseArrays.CHOLMOD.Sparse(fD) 有没有什么方法可以从一个稀疏矩阵反向转到一个
..
处理零和缺失数据的 Python 非负矩阵分解?
我寻找一个 NMF 实现，它有一个 python 接口，并处理丢失的数据和零. 我不想在开始分解之前估算我的缺失值，我希望它们在最小化函数中被忽略. scikit-learn、nimfa、graphlab 和 mahout 似乎都没有提出这样的选择. 谢谢！ 解决方案 使用这个Matlab 到 python 代码转换表 我能够从 Matlab 工具箱 库重写 NMF.
..
使用置换矩阵的稀疏矩阵的 Cholesky 分解
我对大型稀疏矩阵的 Cholesky 分解感兴趣.我遇到的问题是 Cholesky 因子不一定是稀疏的(就像两个稀疏矩阵的乘积不一定是稀疏的一样). 例如，对于仅沿第一行、第一列和对角线具有非零值的矩阵，Cholesky 因子具有 100% 填充(下部和上部三角形为 100% 密集).在图像下方，灰色不为零，白色为零. 我知道的一个解决方案是找到一个置换 P 矩阵并进行 PTAP 的
..
MLlib MatrixFactorizationModel RecommendationProducts(user, num) 对某些用户失败
我训练了一个 MatrixFactorizationModel 模型使用 ALS.train() 并且现在使用
..
避免在使用Eigen分解稀疏矩阵上进行动态内存分配
在我的应用程序中，除类构造函数外，我需要避免动态内存分配(类似malloc).我有一个稀疏的半定矩阵M，其元素在程序执行过程中会发生变化，但它具有固定的稀疏性模式. 为了尽可能快地求解许多线性系统M * x = b，其想法是在类构造函数中使用就地分解，如 cs_symperm_noalloc 是CSparse库的 cs_symperm 函数的次要重构. 这似乎行得通，至少与我的特
..
非负矩阵分解中的评分预测
我一直在关注此博客 http://www.quuxlabs.com/blog/2010/09/matrix-factorization-a-simple-tutorial-and-implementation-in-python/(也在此处附加矩阵)用矩阵分解进行评级预测.最初，我们有一个稀疏的用户电影矩阵R.
..
非常大和非常稀疏的非负矩阵分解
我有一个非常大且稀疏的矩阵(531K x 315K)，总细胞数约为1670亿.非零值仅为1s.非零值的总数约为45K.是否有有效的NMF软件包来解决我的问题?我知道有几个软件包，它们仅适用于较小的数据矩阵.任何想法都可以.预先感谢. 解决方案 输出: X-shape:(531000，315000)X nnzs:45000类型(X):
..
MLlib MatrixFactorizationModel RecommendationProducts(user，num)在某些用户上失败
我训练了 model.recommendProducts(user, num) 以获得最佳推荐产品，但代码在某些用户上失败，并显示以下错误: user_products = model.call("recommendProducts", user, prodNum) File "/usr/lib/spark/python/pyspark/mllib/common.py", line
..
在TensorFlow中使用coo_matrix
我正在TensorFlow中进行矩阵分解，我想使用Spicy中的coo_matrix.sparse因为它使用的内存更少，并且可以轻松地将所有数据放入矩阵中以训练数据. 是否可以使用coo_matrix在tensorflow中初始化变量? 还是我必须创建一个会话并使用sess.run()和feed_dict将我输入到tensorflow的数据馈入 . 我希望您理解我的问题，否则我的问
..
有没有好的库可以快速进行非负矩阵分解(NMF)?
我有一个形状为 570000 * 3000 的稀疏矩阵.我尝试 nima 进行NMF(使用默认的nmf方法，并将max_iter设置为65).但是，我发现nimfa非常慢.有没有人使用更快的库来做NMF? 解决方案 我使用了 之前.它是用C编写的，非常快. 论文记录了算法和代码 本文还列出了NMF的几种替代软件包(以多种不同的语言(我已在此处复制以供将来参考). Mathwor
..
在正半定矩阵的Cholesky分解中正确使用枢轴
我不明白如何在R中使用chol函数来分解一个正半定矩阵. (或者我这样做，并且有一个错误.) 如果ivot = TRUE，则可以计算正半定x的Choleski分解. x的等级以attr(Q，"rank")的形式返回，这会受到数值误差的影响.枢轴返回为attr(Q，"pivot"). t(Q)％*％Q不再等于x.但是，设置枢轴 以下示例似乎掩盖了这一描述. > x
..
Sympy:在有限域中求解矩阵
对于我的项目，我需要在给定矩阵Y和K的情况下求解矩阵X.(XY = K)每个矩阵的元素必须是对256位随机质数求模的整数.解决这个问题的第一个尝试是使用SymPy的mod_inv(n)函数.问题是我的矩阵大小为30的内存用完了.我的下一个想法是执行矩阵分解，因为这样可能减轻了内存的负担.但是，SymPy似乎不包含能够找到以模为模的矩阵的求解器.我可以使用任何解决方法或自制代码吗? 解决方案
..
编写一个可跟踪的R函数，该函数模仿LAPACK的dgetrf进行LU分解
R核心中没有LU分解功能.尽管这种分解是solve的一个步骤，但并未明确使其可作为独立功能使用.我们可以为此编写一个R函数吗?它需要模仿LAPACK例程 dgetrf . Matrix程序包具有 lu函数，它很好，但是最好写一个可跟踪 R函数，该函数可以 分解矩阵直到特定的列/行并返回中间结果； 从中间结果继续分解到另一列/行或末尾. 此功能对于教育和调试目的都是有用的.教育的好处显
..
评估LightFM推荐模型
我一直在玩弄 lightfm 相当长的一段时间，发现生成它真的很有用建议.但是，我想知道两个主要问题. 来评估LightFM模型中的情况下建议的等级关系，应该我更多地依赖于或其他提供评价指标，如?与其他指标相比，在什么情况下我应该专注于改善我的precision@k?还是它们高度相关?这意味着如果我设法提高precision@k得分，其他指标也会随之而来，对吗? 您如何解释使用WARP
..
Python非负矩阵分解可同时处理零和缺失数据吗?
我正在寻找一个具有python接口的NMF实现，它可以处理丢失的数据和零. 在启动分解之前，我不想插入缺失的值，我希望在最小化函数中忽略它们. 似乎scikit-learn，nimfa，graphlab和mahout都没有提出这样的选择. 谢谢！ 解决方案 使用此 Matlab至python代码转换表我能够从 Matlab工具箱库中重写NMF. 我不得不分解稀疏度为0.
..
朱莉娅:将CHOLMOD因子转换为稀疏矩阵，然后再次返回
我有一个稀疏矩阵H的CHOLMOD分解，我想编辑上，下和块对角线因子的稀疏表示.我怎样才能做到这一点?当我运行以下命令时，最后一行不起作用. H = sprand(10,10,0.5) fac = ldltfact(H; shift=0.0) fD = fac[:D] D = Base.SparseArrays.CHOLMOD.Sparse(fD) 从稀疏矩阵到CHOLMOD.facto
..
使用置换矩阵稀疏矩阵的Cholesky分解
我感兴趣的大型稀疏矩阵的Cholesky分解。时遇到的问题是，乔列斯基因素不一定稀疏（就像两个稀疏矩阵的乘积不一定是稀疏）。 例如与非零点仅沿着第一行，第一列，和对角线乔列斯基因子的矩阵有100％的填充式（下和上三角形是100％密实）。在下面的灰色图像是非零和白色是零。 一个解决方案，我知道是要找到一个置换的 P 的基质和做的Cholesky分解的 P T AP 的。例如具有相同的基质通过
..