 | Pymf.파이썬 매트릭스 인수 분해 모듈 |
| 지금 다운로드 | |
Pymf. 순위 및 요약
광고
Pymf. 태그
Pymf. 설명
파이썬 매트릭스 인수 분해 모듈 PYMF는 여러 구속 된 / 제한되지 않은 매트릭스 인수 분해 (및 관련) 메소드를위한 파이썬 모듈입니다. 모듈은 초기 알파이며 모든 플랫폼에서 잘 테스트되지 않습니다. 최근의 Archlinux 및 Ubuntu Linux 배포판을 실행하는 것으로 알려져 있습니다. 원칙적으로 Windows / Mac 사용자에게도 작동해야합니다. 버그를 찾으면 Googlemail에서 Cthurau에 이메일을 보내주십시오. Dot Com.PYMF는 현재 다음 방법을 포함합니다. Factorization (SNMF) - ARACTypal Analysis (SIVM) - SIVMB - HULL 비 음성 매트릭스 인수 분해 (CHNMF) - 바이너리 매트릭스 인수 분해 (BNMF) - 단위 가치 분해 (SVD) - 주요 구성 요소 분석 (PCA) - k- 의미 클러스터링 (KMeans) - Com 분해 (Cur) - Compaxt Matrix 분해 (CMD) 데이터 세트가 주어지면 대부분의 인수 분해 메소드는 FROBENIUS 표준을 최소화하려고 | 데이터 - W * H | 적절한 기반 벡터들의 적절한 세트를 발견함으로써, 다양한 방법을 호출하기위한 신택스는 매우 유사하다. 일반적으로 원하는 기반 벡터와 최대 반복 수를 제출해야합니다. 예를 들어 NMF를 10 반복 내에서 2 기반 벡터를 목표로하는 데이터 세트 데이터에 적용하려면 다음과 같이 작동합니다. >>> 가져 오기 PYMF >>> NP로 가져 오기 >>> data = np.Array ( , ]) >>> NMF_MDL = pymf.nmf (data, num_bases = 2, niter = 10) >>> nmf_mdl.initialization () >>> nmf_mdl.careorize () 기반 벡터는 이제 nmf_mdl.w에 저장된 nmf_mdl.h의 계수. 기존 기반 벡터 집합에 대한 계수를 계산하려면 W로 W ~ NMF_MDL.W를 복사하고 compw를 false로 설정하십시오. >>> data = np.Array (, ] >>> W = NP. 어레이 (, ]) >>> NMF_MDL = pymf.nmf (data, num_basees = 2, niter = 1, compw = false) >>> nmf_mdl.initialization () >>> nmf_mdl.w = w >>> nmf_mdl.factorize () pymf.nmf를 예를 들면 pymf.aa 또는 pymf.cnmf archetypal 분석 또는 convex-nmf를 적용 할 수 있습니다. 일부 메소드는 다른 매개 변수를 허용 할 수 있으며 해당 >>> 도움말 (Pymf.AA) 문서를 살펴보십시오. 예를 들어, Cur, CMD 및 SVD는 행 및 열 샘플링을 위해 적절한 인수를 필요로하는 세 개의 Submatrices로 인식 할 때 약간 다르게 처리됩니다. 요구 사항 : · 파이썬 · NUMPY. · cvxopt. · 뾰족한
Pymf. 관련 소프트웨어
