Nezáporná maticová faktorizácia (NMF)
Nezáporná maticová faktorizácia (NMF) je rodina algoritmov, predstavená Lee a Seungom v ich prelomovom článku v časopise Nature z roku 1999, ktorá rozkladá nezápornú dátovú maticu V na súčin dvoch nezáporných matíc nižšieho rebríčka W (bázové komponenty) a H (kódujúce koeficienty). Na rozdiel od PCA alebo SVD, obmedzenie nezápornosti núti algoritmus učiť sa striktne aditívne reprezentácie založené na častiach, vďaka čomu sú faktory priamo interpretovateľné ako stavebné bloky pôvodných údajov.
Prečítať celú metódu
Ak si chcete prečítať túto sekciu, prihláste sa s bezplatným účtom.
Method map
The neighbourhood of related methods — select a node to explore.
+1 more
Zdroje
- 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
Ako citovať túto stránku
ScholarGate. (2026, June 3). Non-negative Matrix Factorization (Lee & Seung, 1999). ScholarGate. https://scholargate.app/sk/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.
- Nezávislá komponentová analýza (ICA)Strojové učenie↔ compare
- K-Means ClusteringStrojové učenie↔ compare
- Latent Dirichlet Allocation (LDA)Strojové učenie↔ compare
- Singular Value DecompositionNumerické metódy↔ compare
Odkazujú sem
Našli ste na tejto stránke chybu? Nahláste ju alebo navrhnite opravu →