Pymf Python Matrix Faktorisierungsmodul
Jetzt downloaden

Pymf Ranking & Zusammenfassung

Pymf Stichworte

Python-Bibliothek Python Matrix Faktorisierung Matrixfaktorisierung.

Pymf Beschreibung

Python Matrix Faktorisierungsmodul Pymf ist ein Python-Modul für mehrere eingeschränkte / uneingeschränkte Matrixfaktorisierung (und verwandte) Methoden. Das Modul ist früh alpha und auf allen Plattformen nicht sehr gut getestet. Es ist bekannt, auf den neuesten Archelux- und Ubuntu Linux-Distributionen, die Python 2.6 laufen, gut zusammenarbeiten. Grundsätzlich sollte es auch für Windows / Mac-Benutzer funktionieren. Wenn Sie irgendwelche Fehler finden, senden Sie bitte eine E-Mail an Cthurau bei Googlemail dot com.pymf beinhaltet derzeit folgende Methoden: - Nicht-negative Matrixfaktorisierung (NMF) - konvexe nicht negative Matrixfaktorisierung (CNMF) - SEMI Nicht-Negativmatrix Faktorisierung (SNMF) - archetypische Analyse (AA) - Simplex-Volumenmaximierung (SIVM) - Convex-Hull-Non-Negative Matrixfaktorisierung (CHNMF) - Binäre Matrixfaktorisierung (BNMF) - Singular-Wert-Zersetzung (SVD) - Hauptkomponentenanalyse (PCA) - k-bedeutet Clustering (KMEANS) - Cur-Zersetzung (Cur) - Compaxt-Matrix-Zersetzung (CMD) Angesichts eines Datensatzes, die meisten Faktorisierungsmethoden versuchen, die Frobenius-Norm zu minimieren Daten - W * H | Durch die Suche nach einem geeigneten Satz von Basisvektoren W und Koeffizienten H. Die Syntax zum Anrufen der verschiedenen Methoden ist sehr ähnlich. Normalerweise muss man eine gewünschte Anzahl von Basisvektoren und die maximale Anzahl von Iterationen einreichen. Wenn Sie beispielsweise NMF auf ein Datensatzdaten anwenden, die auf zwei Basisvektoren innerhalb von 10 Iterationen abzielen, funktioniert wie folgt: >>> Importieren von Pymf >>> Importieren von NumPy als NP >>> Daten = NP.Array ( , ]) >>> nmf_mdl = pymf.nmf (Daten, num_basen = 2, niter = 10) >>> nmf_mdl.initialization () >>> nmf_mdl.factorize () Die Basisvektoren sind jetzt In nmf_mdl.w gespeichert, die Koeffizienten in nmf_mdl.h. Um Koeffizienten für einen vorhandenen Satz von Basisvektoren zu berechnen, kopieren Sie einfach W auf nmf_mdl.w, und setzen Sie CompW auf FALSE ein: >>> data = np.array (, ]) >>> W = NP. Array (, ]) >>> nmf_mdl = pymf.nmf (Daten, num_basen = 2, niter = 1, compw = false) >>> nmf_mdl.initialization () >>> nmf_mdl.w = W >>> nmf_mdl.factorize (), indem Sie pymf.nmf auf z. pymf.aa oder pymf.cnmf archetypische Analyse oder konvex-nmf kann angewendet werden. Einige Methoden können andere Parameter ermöglichen, um sicherzustellen, dass Sie sich die entsprechende Dokumentation der entsprechenden >>>-Hilfe (Pymf.aa) ansehen. Beispielsweise werden Cur, CMD und SVD etwas anders behandelt, da sie in drei Submatrizen faktoren, die geeignete Argumente für Zeilen- und Spaltenabtastung erfordert. Anforderungen: · Python · NUMPY. · CVXOPT. · Scipy.

Pymf Zugehörige Software