Pymf Módulo de factorización de la matriz de Python
Descargar ahora

Pymf Clasificación y resumen

Pymf Etiquetas

Biblioteca de Python Pitón matriz factorización factorización de matriz

Pymf Descripción

Módulo de factorización de la matriz de Python PYMF es un módulo Python para varios métodos de factorización de matriz restringida / sin restricciones (y relacionados). El módulo es temprano alfa y no está muy bien probado en todas las plataformas. Se sabe que funciona bien en las distribuciones recientes de Archlinux y Ubuntu Linux que ejecutan Python 2.6. En principio, también debe trabajar para usuarios de Windows / Mac. Si encuentra algún error, envíe un correo electrónico a Cthurau en GoogleMail DOT COM.PYMF, actualmente incluye los siguientes métodos: - factorización no negativa de la matriz (NMF) - Factorización de la matriz no negativa convexa (CNMF) - Matriz semi no negativa factorización (SNMF) - Análisis arquetípico (AA) - Maximización por volumen simplex (SIVM) - factorización de matriz no negativa con convexo (CHNMF) - Factorización de la matriz binaria (BNMF) - Descomposición del valor singular (SVD) - Análisis de componentes principales (SVD) - Análisis de componentes principales (PCA) - k-significa agrupamiento (KMEANS) - Cur descomposición (CUR) - COMPAT MATRIX DESCOMPOSICIÓN (CMD) Dado un conjunto de datos, la mayoría de los métodos de factorización intentan minimizar la norma Frobenius | DATOS - W * H | Al encontrar un conjunto adecuado de vectores básicos con coeficientes H. La sintaxis para llamar a los diversos métodos es bastante similar. Por lo general, uno debe presentar un número deseado de vectores base y el número máximo de iteraciones. Por ejemplo, aplicar NMF a un DataSet Data Data con el objetivo de 2 vectores básicos dentro de las 10 iteraciones funciona de la siguiente manera: >>> Importar PYMF >>> Importar adormecedor como NP >>> DATOS = NP.Array ( , ]) >>> NMF_MDL = PYMF.NMF (DATOS, NUM_BASES = 2, NITRE = 10) >>> NMF_MDL.initialization () >>> NMF_MDL.FACTORIZE () Los vectores base son ahora almacenado en nmf_mdl.w, los coeficientes en nmf_mdl.h. Para calcular los coeficientes para un conjunto existente de vectores base, simplemente copie W a NMF_MDL.W, y configure Compw a Falso: >>> DATOS = NP.Array (, ]) >>> w = np. matriz (, ]) >>> nmf_mdl = pymf.nmf (datos, num_bases = 2, niter = 1, compw = false) >>> nmf_mdl.initialization () >>>> nmf_mdl.w = w >>> nmf_mdl.factorize () cambiando pymf.nmf a por ejemplo PYMF.AA o PYMF.CNMF Se pueden aplicar análisis arquetípico o convexo-NMF. Algunos métodos pueden permitir que otros parámetros, asegúrese de echar un vistazo a la documentación correspondiente >>> Ayuda (PYMF.AA). Por ejemplo, CUR, CMD y SVD se manejan ligeramente de manera diferente, ya que se facturan en tres submatrices que requieren argumentos apropiados para el muestreo de filas y columnas. Requisitos: · Python · NOMBRES · CVXOPT · Scipy

Pymf Software relacionado