学习

Question

我已经使用sklearn进行NMF，我已经在这里使用了说明： http://scikit-learn.org/stable/modules/generated/sklearn.decomposition.NMF.html

我想添加初始化矩阵H，可以选择执行init =＆＃39; custom＆＃39;但我不知道如何给他矩阵H. 我试过了：

model = NMF(n_components=2, init='custom',H=myInitializationH random_state=0);

但它没有用。

此外，是否有人知道如何修复我的矩阵并只更新W？

编辑：

感谢您的回答

当我选择自定义选项时，我收到错误：

ValueError: input contains nan infinity or a value too large for dtype('float64')

然而，矩阵不包含任何纳米或无穷大。 而且，我为非常小的矩阵做了它，看它是否很好而不是：

import numpy as np
from sklearn.decomposition import NMF

x=np.ones((2,3));
#model = NMF(n_components=1, init='custom', solver='mu',beta_loss=1,max_iter=500,random_state=0,alpha=0,verbose=0, shuffle=False);
model = NMF(n_components=1, init='custom');
fixed_W = model.fit_transform(x,H=np.ones((1,3)));
fixed_H = model.components_;

print(np.matmul(fixed_W,fixed_H));

我得到了同样的错误，除非我做了随机的＆＃39;而不是＆＃39; custom＆＃39;。

是否也发生在你身上？为什么会这样？

Answer 1

在fit()或fit_transform()中传递W和H.

根据documentation of fit_transform()： -

W : array-like, shape (n_samples, n_components)
    If init=’custom’, it is used as initial guess for the solution.

H : array-like, shape (n_components, n_features)
    If init=’custom’, it is used as initial guess for the solution.

同样适用于fit()。

做类似的事情：

model.fit(X, H=myInitializationH, W=myInitializationW)

更新： 好像如果你传递init='custom'参数，你需要提供W和H.如果你提供H而不是W，它将被视为无，然后抛出错误。