Incorpore outra dimensão à fatorização da matriz não negativa (NMF)?

1. Por que o NMF não é negativo?
2. Como funciona a fatorização da matriz não negativa?
3. Qual distribuição é usada para modelar os elementos da matriz na fatorização da matriz não negativa?
4. Qual é a principal vantagem da fatoração de matriz não negativa NMF sobre o SVD como uma técnica de redução de dimensão?

Por que o NMF não é negativo?

A fatorização da matriz não negativa (NMF ou NNMF), também a aproximação da matriz não negativa é um grupo de algoritmos na análise multivariada e na álgebra linear, onde uma matriz V é faturada (geralmente) duas matrizes W e H, com a propriedade que todos os três Matrizes não têm elementos negativos.

Como funciona a fatorização da matriz não negativa?

A fatoração de matriz não negativa usa técnicas de análise multivariada e álgebra linear. Ele decompõe os dados como uma matriz m no produto de duas matrizes de classificação mais baixa w e h. A sub-matriz W contém a base do NMF; O Sub-Matriz H contém os coeficientes associados (pesos).

Qual distribuição é usada para modelar os elementos da matriz na fatorização da matriz não negativa?

Distribuição de Poisson - fatoração de matriz não negativa como máxima verossimilhança - Cross validadas.

Qual é a principal vantagem da fatoração de matriz não negativa NMF sobre o SVD como uma técnica de redução de dimensão?

Portanto, a principal diferença de NMF dos outros métodos de redução de dimensão (e.g., Svd) é que o NMF permite apenas combinações não sujeitas a componentes não negativos. Essa restrição de não-negatividade acaba levando à representação baseada em peças do NMF.