sklearn मैट्रिक्स गुणन उदाहरण

Question

मैं एक कोड वर्तमान में http://www.quuxlabs.com/blog

यह अच्छा परिणाम देता है दिया उपयोग कर रहा हूँ। और मैं स्पष्ट रूप से देख सकता हूं कि मैट्रिक्स में क्या परिवर्तन हुआ है।

इसके अलावा मैंने sklearn.decomposition.NMF पर sklearn लाइब्रेरी का उपयोग करने की कोशिश की लेकिन परिणामस्वरूप मुझे एक ही इनपुट के साथ पर्याप्त नहीं मिला। हो सकता है कि मुझसे कुछ छूट रहा हो।

from sklearn.decomposition import NMF , ProjectedGradientNMF 
R = [ 
    [5,3,0,1], 
    [4,0,0,1], 
    [1,1,0,5], 
    [1,0,0,4], 
    [0,1,5,4], 
    ] 
R = numpy.array(R) 
nmf = NMF(beta=0.001, eta=0.0001, init='random', max_iter=2000,nls_max_iter=20000, random_state=0, sparseness=None,tol=0.001) 
nR = nmf.fit_transform(R) 
print nR 
print 
print nmf.reconstruction_err_ 
print 

यह बाहर निकलने मैट्रिक्स में/भरा मूल्यों के रूप में मैं ब्लॉग में दिए गए कोड का उपयोग कर देख सकते हैं बनाए रखने नहीं है -

यहाँ मेरी नमूना कोड है।

क्या कोई मुझे समझने में मदद कर सकता है!

Answer 1

हमम ... मेरे बहुत गूंगा !!! मैं nmf.py के माध्यम से चला और पता चला कि fit_tranform केवल डब्ल्यू वापस आती है और उन लोगों के नए आर

from sklearn.decomposition import NMF , ProjectedGradientNMF 
R = [ 
    [5,3,0,1], 
    [4,0,0,1], 
    [1,1,0,5], 
    [1,0,0,4], 
    [0,1,5,4], 
    ] 
R = numpy.array(R) 
nmf = NMF() 
W = nmf.fit_transform(R); 
H = nmf.components_; 
nR = numpy.dot(W,H) 
print nR