使用NMF生成建议

Question

使用非负矩阵分解来生成建议时，如何为新用户重建数据？

我正在按照此等式 floatingActionButton: fabs[fabIndex], 进行重建，data.dot(H.T.dot(np.linalg.pinv(H.dot(H.T))).dot(H))表示潜在组件，H包含缺少条目的新数据。

但似乎在某处出错，因为我没有得到预期的结果（来自其他方法的那些，例如sklearn NMF，特别是data方法）。

Answer 1

请参阅https://cambridgespark.com/content/tutorials/implementing-your-own-recommender-systems-in-Python/index.html

对于pyothn scikit-learn，您可以使用： http://scikit-learn.org/stable/modules/generated/sklearn.decomposition.NMF.html

from sklearn.decomposition import NMF
model = NMF(n_components=2, init='random', random_state=0)
W = model.fit_transform(data)
H = model.components_

data是您想要解除的矩阵。 W和H是非负因素

您可以通过data

预测新推荐或被叫完成WH'矩阵