Latent structure
非負値行列因子分解 (NMF)
非負値行列因子分解 (NMF) は、1999年の画期的なネイチャー論文で Lee と Seung によって導入されたアルゴリズム群であり、非負値データ行列 V を、2つの低ランク非負値行列 W（基底成分）と H（符号化係数）の積に分解する。PCA や SVD とは異なり、非負値制約により、アルゴリズムは厳密に加算的な、部分ベースの表現を学習することが強制され、因子は元のデータの構成要素として直接解釈可能になる。
手法の全文を読む
会員限定
ログイン無料アカウントでログインすると、このセクションを読めます。
Method map
The neighbourhood of related methods — select a node to explore.
+1 more
出典
- 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
このページの引用方法
ScholarGate. (2026, June 3). Non-negative Matrix Factorization (Lee & Seung, 1999). ScholarGate. https://scholargate.app/ja/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.
Compare side by side →