Şu anda bu iyi bir sonuç verir http://www.quuxlabs.com/blogsklearn matris ayrıştırma örneği
verilen bir kod kullanıyorum. Ve matristeki hangi değişikliklerin gerçekleştiğini açıkça görebiliyorum.
Ayrıca sklearn kütüphanesini sklearn.decomposition.NMF numaralı telefondan kullanmayı denedim. Ama aynı girişe sahip olduğum sonuçlar yeterince iyi değil. Belki bir şey özlüyorum. Ben blogda verilen kodu kullanarak gördüğünüz gibi matris içinde/doldurulmuş değerleri çıkan muhafaza edilmez
from sklearn.decomposition import NMF , ProjectedGradientNMF
R = [
[5,3,0,1],
[4,0,0,1],
[1,1,0,5],
[1,0,0,4],
[0,1,5,4],
]
R = numpy.array(R)
nmf = NMF(beta=0.001, eta=0.0001, init='random', max_iter=2000,nls_max_iter=20000, random_state=0, sparseness=None,tol=0.001)
nR = nmf.fit_transform(R)
print nR
print
print nmf.reconstruction_err_
print
-
İşte benim örnek kod verilmiştir.
Birisi anlamama yardımcı olabilir!
verir H. Nokta ürünün değerini almak nmf.component_ öğrendim. Kaynak okumak zorunda kalırsak, belgeler iyi değildir. (Ayrıca, her zaman kodu okumalı ve bir kara kutu gibi işlemek yerine nasıl çalıştığını anlamalıyız) –
Bu eski bir Cevap gibi görünüyor. Http://www.quuxlabs.com/blog ve sklearn kodunun sonuçlarının 0 değeri için farklı olduğunu fark ettiniz mi? – futurenext110