如何获得非负分解矩阵的低维秩答案

【问题标题】：How to get a low dimensional rank of non-negative factorization matrix如何获得非负分解矩阵的低维秩
【发布时间】：2019-05-14 02:41:10
【问题描述】：

我有一个大矩阵

X = numpy.random.rand(1000, 1000)

使用 sklearn.decomposition 我分解了矩阵，例如：

from sklearn.decomposition import NMF

model = NMF(n_components=1, init='random', random_state=0)

W = model.fit_transform(X)

H = model.components_

现在我想找到 W 的低暗等级。我怎么能找到W的等级？

【问题讨论】：

【解决方案1】：

为了得到 NMF 矩阵的秩，大矩阵包含噪声，应该使用奇异值阈值公式去除。阈值化后，更容易得到NMF矩阵的非零值。

【讨论】：