Scikit學習非負矩陣分解（NMF）爲稀疏矩陣

Question

我使用Scikit學習的非負矩陣分解（NMF）對稀疏矩陣，其中零項丟失數據進行NMF。我想知道Scikit-learn的NMF實現是否將零條目視爲0或丟失數據。

謝謝！

Answer 1

在您的數據矩陣中，缺失的值可以是0，但不是爲一個非常稀疏的矩陣存儲一堆零，而是通常會存儲一個COO矩陣，其中每行都以CSR格式存儲。

如果您正在使用NMF的建議，那麼你就可以通過查找W和H，使得W.H約等於X與所有三個矩陣都是非負的條件因子分解數據矩陣X。當你重建這個矩陣X時，一些缺失值（你將存儲零點的地方）可能變成非零值，有些可能保持爲零。此時，在重構的矩陣中，這些值就是您的預測值。

因此，要回答你的問題，是他們的0或丟失數據的NMF模型？一旦適合的NMF模型將包含您的預測值，所以我將它們計爲零。這是一種預測數據中缺失值的方法。