Pimenta módulo de fatoração de matriz python
Baixe Agora

Pimenta Classificação e resumo

Pimenta Tag

Biblioteca Python. Pitão matriz Fatorização. Factorização da matriz.

Pimenta Descrição

Módulo de fatoração de matriz python O PMF é um módulo Python para vários métodos de fatorização de matriz restrita / irrestrita (e relacionadas). O módulo é cedo alfa e não muito bem testado em todas as plataformas. É conhecido por funcionar bem em distribuições recentes de ArchLinux e Ubuntu Linux executando o Python 2.6. Em princípio, também deve funcionar para usuários do Windows / Mac. Se você encontrar algum erro, por favor, envie um e-mail para o CTHurau no GoogleMail dot com.pymf atualmente inclui os seguintes métodos: - Fatorização de matriz não negativa (NMF) - Factorização de matriz não negativa convexa (CNMF) - Matriz semi negativa Factorização (SNMF) - Análise arquetípica (AA) - Maximização de volume simplex (SIVM) - Factorização de matriz não negativa de casco convexo (CHNMF) - Factorização de matriz binária (BNMF) - Decomposição de valor singular (SVD) - Análise de componentes principais (PCA) - K-significa agrupamento (KMEIEIs) - Decomposição (Cur) - Decomposição de Matriz Compaxt (CMD) Dado um conjunto de dados, a maioria dos métodos de fatoração tentam minimizar a norma fulgenius | Dados - W * H | Ao encontrar um conjunto adequado de vetores de base W e coeficientes H. A sintaxe para chamar os vários métodos é bastante semelhante. Normalmente, é preciso enviar um número desejado de vetores base e o número máximo de iterações. Por exemplo, aplicando NMF a um DataSet Dados visando 2 vetores de base dentro de 10 iterações funciona da seguinte forma: >>> Importação de Importação >>> Importar numpy como NP >>> Data = np.array ( , ]) >>> nmf_mdl = pymf.nmf (dados, num_bases = 2, niter = 10) >>> nmf_mdl.initialization () >>> nmf_mdl.factorize () os vectores de base são agora armazenado em nmf_mdl.w, os coeficientes em nmf_mdl.h. Para calcular os coeficientes para um conjunto existente de vetores de base Simplesmente copie W para NMF_MDL.W e defina Comw to False: >>> Data = NP.Array (, ]) >>> w = np. Array (, ]) >>> nmf_mdl = pymf.nmf (dados, num_bases = 2, niter = 1, compw = false) >>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>> nmf_mdl.w = w >>> nmf_mdl.facorize () alterando o PYMF.NMF para A análise arquetípica PYMF.AA ou PYMF.CNMF ou convex-nMF pode ser aplicada. Alguns métodos podem permitir outros parâmetros, certifique-se de dar uma olhada na documentação de ajuda (PMF.AA) correspondente >>>. Por exemplo, cur, cmd e SVD são tratados de forma ligeiramente diferente, à medida que factorizam em três submatras que requer argumentos apropriados para amostragem de linha e coluna. Requisitos: · Pitão · NUMPY. · CVXT. · Scipy.

Pimenta Software Relacionado