非负矩阵分解：如何预测新条目的值？

Question

我目前的理解：
我尝试阅读一些有关 NMF 的论文和链接。这一切都在谈论我们如何将 MxN 矩阵拆分为 MxR 和 RxN 矩阵（R

问题：
我有一个用户列表（U）和每个用户的一些分配（A）。现在我使用 NMF 分割这个矩阵（UxA）。我得到 2 个矩阵 UxR 和 RxA。我如何使用这些来预测新用户（U'）必须有哪些分配（A'）？

任何帮助将不胜感激，因为我在尝试搜索答案后无法理解这一点。

基于附带问题和意见：
另外，如果有人能用他们的经验告诉我，他们是如何选择 R 的，特别是当作业的数量在 50,000 或十万左右时。我一直在用 scikit-learn 库尝试这些

编辑： 这可以简单地使用 model.inverse_transform(model.transform(User')) 来完成

Answer 1

您可以尝试将此问题视为推荐人。您想将矩阵 X 近似分解为两个非负矩阵 U 和 V。

见https://cambridgespark.com/content/tutorials/implementing-your-own-recommender-systems-in-Python/index.html

对于 pyothn scikit-learn，您可以使用： http://scikit-learn.org/stable/modules/generated/sklearn.decomposition.NMF.html

from sklearn.decomposition import NMF
model = NMF(n_components=2, init='random', random_state=0)
W = model.fit_transform(X)
H = model.components_

其中 X 是您要分解的矩阵。 W和H是非负因子

要预测新用户（U'）分配了什么（A'），您只需使用 WH' 来完成 maitrx