Pymf Python Matrix Factorization Module
Download nu

Pymf Rangschikking & Samenvatting

Pymf Tags

Python-bibliotheek Python Matrix factorisatie matrix-factorisatie

Pymf Beschrijving

Python Matrix Factorization Module PYMF is een Python-module voor verschillende beperkte / ongedwongen matrixfactorisatie (en gerelateerde) methoden. De module is vroege alfa en niet erg goed getest op alle platforms. Het is bekend om goed te werken aan recente Archlinux en Ubuntu Linux-distributies die Python 2.6 lopen. In principe moet het ook werken voor Windows / Mac-gebruikers. Als u bugs vindt, stuur dan een e-mail naar Cthurau in Googlemail DOT COM.PYMF bevat momenteel de volgende methoden: - Niet-negatieve matrixfactorisatie (NMF) - Convexe niet-negatieve matrixfactorisatie (CNMF) - Semi-niet-negatieve matrix Factorisatie (SNMF) - Archetypische analyse (AA) - Simplex Volume Maximalisatie (SIVM) - Convex-romp Niet-negatieve matrixfactorisatie (CHNMF) - Binaire matrixfactorisatie (BNMF) - Singular Value Decomposition (SVD) - Principal Component Analyse (PCA) - K-middelen Clustering (NMEANS) - Cur-ontbinding (CUR) - Compxtt Matrix-ontbinding (CMD) Gegeven een dataset, de meeste factorisatiemethoden proberen de Frobeenius-norm te minimaliseren gegevens - W * H | Door een geschikte reeks basisvectoren W en coëfficiënten H. te vinden, is de syntaxis voor het oproepen van de verschillende methoden vrij gelijkaardig. Meestal moet men een gewenst aantal basisvectoren en het maximale aantal iteraties indienen. Bijvoorbeeld het toepassen van NMF naar een dataset-gegevens gericht op 2 basisvectoren binnen 10 iteraties werkt als volgt: >>> Import Pymf >>> Import Tumpy als NP >>> gegevens = NP.Array ( , ]) >>> NMF_MDL = PYMF.NMF (gegevens, num_bases = 2, niter = 10) >>> nmf_mdl.initialisatie () >>> nmf_mdl.factorize () De basisvectoren zijn nu opgeslagen in NMF_MDL.W, de coëfficiënten in NMF_MDL.H. Om coëfficiënten voor een bestaande reeks basisvectoren te berekenen, kopieert u gewoon W naar NMF_MDL.W en stelt u Compw in op FALSE: >>> Gegevens = NP.Array (, ]) >>> W = NP. Array (, ]) >>> NMF_MDL = PYMF.NMF (gegevens, num_bases = 2, niter = 1, COMPW = FALSE) >>> nmf_mdl.initialisatie () >>> nmf_mdl.w = w >>> nmf_mdl.factorize () door PIMF.NMF te veranderen in bijvoorbeeld Pymf.Aa of Pymf.CNMF-archetypische analyse of convex-NMF kan worden toegepast. Sommige methoden kunnen toestaan dat andere parameters, zorgen voor een kijkje op de bijbehorende >>> HELP (PIMF.AA) -documentatie. Cur, Cmd en SVD worden bijvoorbeeld enigszins anders afgehandeld, omdat ze factoriseren in drie submatrices die passende argumenten voor rij- en kolombemonstering vereist. Vereisten: · Python · Numpy · CVXOPT · Scipy

Pymf Gerelateerde software