Question

我想在Python上实现NMF，以下是我在Google上发现的内容：

def matrix_factorization(R, P, Q, K, steps = 500, alpha = 0.0002, beta = 0.02):
Q = Q.T
for step in xrange(steps):
    for i in xrange(len(R)):
        for j in xrange(len(R[i])):
            if R[i][j] > 0:
                eij = R[i][j] - numpy.dot(P[i,:],Q[:,j])
                for k in xrange(K):
                    P[i][k] = P[i][k] + alpha * (2 * eij * Q[k][j] - beta * P[i][k])
                    Q[k][j] = Q[k][j] + alpha * (2 * eij * P[i][k] - beta * Q[k][j])
    eR = numpy.dot(P, Q)
    e = 0
    for i in xrange(len(R)):
        for j in xrange(len(R[i])):
            if R[i][j] > 0:
                e = e + pow(R[i][j] - numpy.dot(P[i,:],Q[:,j]), 2)
                for k in xrange(K):
                    e = e + (beta/2) * ( pow(P[i][k],2) + pow(Q[k][j],2) )
    if e < 0.001:
        break
return P, Q.T

当我运行代码时，某些值是负数，这可能不符合技术的定义。

我注意到误差项 eij = R [i] [j] - numpy.dot（P [i，：]，Q [：，j]）不是绝对值，

所以我尝试了eij = numpy.fabs（eij），它返回在double_scalars中遇到的 RuntimeWarning：overflow 。

返回绝对值的其他方法（例如math.abs（）等）也不起作用。请帮帮我！

非负矩阵分解

0 个答案: