- À quoi sert NMF?
- NMF est-il probabiliste?
- NMF est-il un algorithme de clustering?
- Comment fonctionne la factorisation de la matrice non négative?
À quoi sert NMF?
La factorisation de matrice non négative (NMF) est devenue un outil largement utilisé pour l'analyse de données de grande dimension car elle extrait automatiquement des caractéristiques clairsemées et significatives d'un ensemble de vecteurs de données non négatifs.
NMF est-il probabiliste?
Il a été montré plus tard que certains types de NMF sont une instance d'un modèle probabiliste plus général appelé "Multinomial PCA".
NMF est-il un algorithme de clustering?
Le NMF est une méthode de réduction dimensionnelle et efficace pour le regroupement de documents, car une matrice de document à terme est élevée et clairsemée. La matrice initiale de l'algorithme NMF est considérée comme un résultat de clustering, donc nous pouvons utiliser NMF comme méthode de raffinement.
Comment fonctionne la factorisation de la matrice non négative?
La factorisation de la matrice non négative utilise des techniques à partir d'analyse multivariée et d'algèbre linéaire. Il décompose les données sous forme de matrice M dans le produit de deux matrices de classement inférieures W et H. La sous-matrice W contient la base NMF; La sous-matrice H contient les coefficients associés (poids).