Factorització de Matrius No negatives (NMF)
La Factorització de Matrius No negatives (NMF) és una família d'algorismes, introduïda per Lee i Seung en el seu article fonamental de 1999 a Nature, que descompon una matriu de dades no negativa V en el producte de dues matrius no negatives de rang inferior W (components base) i H (coeficients d'codificació). A diferència de PCA o SVD, la restricció de no negativitat obliga l'algorisme a aprendre representacions estrictament additives, basades en parts, fent que els factors siguin directament interpretable com a blocs de construcció de les dades originals.
Llegeix el mètode complet
Inicia la sessió amb un compte gratuït per llegir aquesta secció.
Method map
The neighbourhood of related methods — select a node to explore.
+1 more
Fonts
- Lee, D. D., & Seung, H. S. (1999). Learning the parts of objects by non-negative matrix factorization. Nature, 401(6755), 788–791. DOI: 10.1038/44565 ↗
- Lee, D. D., & Seung, H. S. (2001). Algorithms for non-negative matrix factorization. Advances in Neural Information Processing Systems, 13, 556–562. link ↗
- Cichocki, A., Zdunek, R., Phan, A. H., & Amari, S. (2009). Nonnegative Matrix and Tensor Factorizations: Applications to Exploratory Multi-way Data Analysis and Blind Source Separation. Wiley. ISBN: 978-0-470-74666-0
Com citar aquesta pàgina
ScholarGate. (2026, June 3). Non-negative Matrix Factorization (Lee & Seung, 1999). ScholarGate. https://scholargate.app/ca/machine-learning/non-negative-matrix-factorization
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- Anàlisi de Components Independents (ICA)Aprenentatge automàtic↔ compare
- Agrupació K-MeansAprenentatge automàtic↔ compare
- Latent Dirichlet Allocation (LDA)Aprenentatge automàtic↔ compare
- Descomposició en valors singularsMètodes numèrics↔ compare
Citat per
Has vist cap problema en aquesta pàgina? Informa'n o suggereix una correcció →