Howtosignalprocessing
- Mengapa NMF non-negatif?
- Bagaimana cara kerja faktorisasi matriks non-negatif?
- Distribusi apa yang digunakan untuk memodelkan unsur-unsur matriks dalam faktorisasi matriks non-negatif?
- Apa keuntungan utama dari faktorisasi matriks non-negatif NMF dibandingkan SVD sebagai teknik pengurangan dimensi?
Mengapa NMF non-negatif?
Faktorisasi matriks non-negatif (NMF atau NNMF), juga perkiraan matriks non-negatif adalah sekelompok algoritma dalam analisis multivariat dan aljabar linier di mana matriks V dimasukkan ke dalam (biasanya) dua matriks W dan H, dengan properti bahwa ketiganya Matriks tidak memiliki elemen negatif.
Bagaimana cara kerja faktorisasi matriks non-negatif?
Faktorisasi matriks non-negatif menggunakan teknik dari analisis multivariat dan aljabar linier. Ini menguraikan data sebagai matriks m ke dalam produk dari dua matriks peringkat lebih rendah w dan h. Sub-matriks W berisi dasar NMF; Sub-matriks H berisi koefisien yang terkait (bobot).
Distribusi apa yang digunakan untuk memodelkan unsur-unsur matriks dalam faktorisasi matriks non-negatif?
Distribusi Poisson - faktorisasi matriks nonnegatif sebagai kemungkinan maksimum - silang divalidasi.
Apa keuntungan utama dari faktorisasi matriks non-negatif NMF dibandingkan SVD sebagai teknik pengurangan dimensi?
Oleh karena itu, perbedaan utama NMF dari metode pengurangan dimensi lainnya (E.g., SVD) adalah bahwa NMF hanya memungkinkan kombinasi non-subtraktif dari komponen non-negatif. Kendala nonnegativitas ini akhirnya mengarah pada representasi NMF berbasis suku cadang.
