稀疏矩阵上的 R 中的快速 NMF

Question

我正在寻找 R 中稀疏矩阵的快速 NMF 实现。

R NMF 包包含许多算法，但没有一个算法在计算时间方面令人印象深刻。

NNLM::nnmf() 目前在 R 中似乎是最先进的，特别是 method = "scd" 和 loss = "mse"，实现为通过顺序坐标下降求解的交替最小二乘法。但是，这种方法在非常大、非常稀疏的矩阵上非常慢。

rsparse::WRMF 函数非常快，但这是因为A 中的正值仅用于W 和H 的逐行计算。

在稀疏矩阵上求解 NMF 有什么合理的实现吗？

R 中是否有与scikit-learn 等价的词？见this question

有各种worker函数，例如R中的fnnls、tsnnls，没有一个超过nnls::nnls（用Fortran编写）。我无法将这些函数中的任何一个编码到更快的 NMF 框架中。

Answer 1

忘记了我什至发布了这个问题，但一年后......

我在 RcppEigen 中编写了一个非常快速的 NMF 实现，请参阅 CRAN 上的 RcppML R 包。

install.packages("RcppML")

# for the development version
devtools::install_github("zdebruine/RcppML")

?RcppML::nmf

它至少比 NNLM::nnmf 快一个数量级，相比之下，RcppML::nmf 的运行时间可以与 irlba::irlba SVD 相媲美（尽管它是一种完全不同的算法）。

我已经成功地将我的实现应用于 130 万个单细胞，该单细胞在 96% 的稀疏矩阵中包含 26000 个基因，以便在 1 分钟内进行 rank-100 分解。我认为这是非常合理的。