פירוק מטריצות לא-שליליות (NMF)
פירוק מטריצות לא-שליליות (NMF) הוא משפחה של אלגוריתמים, שהוצגה על ידי לי וסיאנג במאמרם פורץ הדרך ב-Nature משנת 1999, המפרקת מטריצת נתונים לא-שלילית V למכפלה של שתי מטריצות לא-שליליות בדרגה נמוכה יותר W (רכיבי בסיס) ו-H (מקדמי קידוד). בניגוד ל-PCA או SVD, אילוץ אי-השליליות מאלץ את האלגוריתם ללמוד ייצוגים מבוססי חלקים, אדיטיביים בלבד, מה שהופך את הגורמים לניתנים לפירוש ישיר כאבני בניין של הנתונים המקוריים.
קראו את השיטה במלואה
התחברו עם חשבון חינמי כדי לקרוא חלק זה.
Method map
The neighbourhood of related methods — select a node to explore.
+1 more
מקורות
- 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
איך לצטט עמוד זה
ScholarGate. (2026, June 3). Non-negative Matrix Factorization (Lee & Seung, 1999). ScholarGate. https://scholargate.app/he/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.
- ניתוח רכיבים בלתי תלויים (ICA)למידת מכונה↔ compare
- אשכול K-Meansלמידת מכונה↔ compare
- הקצאת דיריכלה סמויה (LDA)למידת מכונה↔ compare
- פירוק לערכים סינגולרייםשיטות נומריות↔ compare