Question

当我们有一个负值的数据集时，我们可以应用非负矩阵因子分解吗？如果是，怎么样？

Answer 1

如果您使用的是R：

nneg.data.matrix <- nneg(data.matrix)

nneg.data.matrix < 0

附加参数'方法'的选择是：

pmax - 每个条目都被限制在阈值阈值以上。

posneg - 矩阵被分成“正”和“负”部分，每个部分的条目被限制在阈值阈值以上。结果包括将这两个部分按行（即rbind-ed）堆叠成一个矩阵，它具有输入矩阵对象的行数的两倍。

绝对 - 每个条目的绝对值都限制在阈值阈值以上。

min - 通过在每个条目中添加最小条目（仅当它为负数）然后应用阈值来进行全局转换。

Answer 2

您可以将数据框的最小值添加到整个单元格以使其为非负数

set.seed(1)
x <- rmatrix(5,5, rnorm, mean=0, sd=5)
x
 

           [,1]      [,2]       [,3]        [,4]       [,5]
[1,] -3.1322691 -4.102342   7.558906 -0.22466805  4.5948869
[2,]  0.9182166  2.437145   1.949216 -0.08095132  3.9106815
[3,] -4.1781431  3.691624  -3.106203  4.71918105  0.3728249
[4,]  7.9764040  2.878907 -11.073499  4.10610598 -9.9467585
[5,]  1.6475389 -1.526942   5.624655  2.96950661  3.0991287

nneg(x, method='min')

          [,1]      [,2]      [,3]     [,4]      [,5]
[1,]  7.941230  6.971158 18.632405 10.84883 15.668386
[2,] 11.991716 13.510645 13.022716 10.99255 14.984181
[3,]  6.895356 14.765123  7.967297 15.79268 11.446324
[4,] 19.049903 13.952406  0.000000 15.17961  1.126741
[5,] 12.721038  9.546558 16.698154 14.04301 14.172628

使用具有负值的NMF

2 个答案: