【线性代数】矩阵分解(Matrix Factorization)笔记:非负矩阵分解(实践)
@[TOC](非负矩阵分解(Non-negative Matrix Factorization)实践)
1. 应用概述
NMF可以应用的领域很广,源于其对事物的局部特性有很好的解释。
- 在众多应用中,NMF能被用于发现数据库中的图像特征,便于快速自动识别应用;
- 能够发现文档的语义相关度,用于信息自动索引和提取;
- 能够在DNA阵列分析中识别基因等等。
其中,最有效的就是图像处理领域,是图像处理的数据降维和特征提取的一种有效方法。
1.1 特征学习
类似主成分分析(Principal Component Analysis)
,但是在实际工程环境当中都要比PCA
效果要好,其中思想如下:
- 测试数据在NMF算法上学习Vtrain→dictionaryWV_{train} \rightarrow dictionaryWVtrain→dictionaryW
- 利用基矩阵W去分解新的测试example VnV_nVn:
vn≈∑n=1Khknwk,其中kn>=0v_n\approx \sum_{n=1}^{K}h_{kn}w_k,其中k_n>=0vn≈n=1∑Khknwk,其中kn>=0 - 把hnh_nhn作为example n的特征向量。
例如,下面是对人脸进行NMF特征学习的结果:
1.2 图像分析
NMF最成功的一类应用是在图像的分析和处理领域。图像本身包含大量的数据,计算机一般将图像的信息按照矩阵的形式进行存放,针对图像的识别、分析和处理也是在矩阵的基础上进行的。这些特点使得NMF方法能很好地与图像分析处理相结合。
- 人们已经利用NMF算法,对卫星发回的图像进行处理,以自动辨别太空中的垃圾碎片;
- 使用NMF算法对天文望远镜拍摄到的图像进行分析,有助于天文学家识别星体;
- 美国还尝试在机场安装由NMF算法驱动的识别系统,根据事先输入计算机的恐怖分子的特征图像库来自动识别进出机场的可疑恐怖分子。
学术界中:
(1)NMF首次被Lee教授用于处理人脸识别。
(2)LNMF被宋教授后面提出用于提取人脸子空间,将人脸图像在特征空间上进行投影,得到投影系数作为人脸识别的特征向量,用来进行人脸识别。一定程度上提高了识别率。
(3)GNMF被杨教授提出,该算法是基于gamma分布的NMF进行构建特征子空间,采用最小距离分类对ORL人脸库部分图像进行识别。
对于人脸识别,其中以LNMF最为有效突出,比普通的NMF高效且精度高。
1.3 话题识别
文本在人类日常接触的信息中占有很大分量,为了更快更精确地从大量的文本数据中取得所需要的信息,针对文本信息处理的研究一直没有停止过。文本数据不光信息量大,而且一般是无结构的。此外,典型的文本数据通常以矩阵的形式被计算机处理,此时的数据矩阵具有高维稀疏的特征,因此,对大规模文本信息进行处理分析的另一个障碍便是如何削减原始数据的维数。NMF算法正是解决这方面难题的一种新手段。
NMF在挖掘用户所需数据和进行文本聚类研究中都有着成功的应用例子。由于NMF算法在处理文本数据方面的高效性,著名的商业数据库软件Oracle在其第10版中专门利用NMF算法来进行文本特征的提取和分类。
为什么NMF对于文本信息提取得很好呢?原因在于智能文本处理的核心问题是以一种能捕获语义或相关信息的方式来表示文本,但是传统的常用分析方法仅仅是对词进行统计,而不考虑其他的信息。而NMF不同,它往往能达到表示信息的局部之间相关关系的效果,从而获得更好的处理结果。
话题识别的Topic跟概率隐语义分析(Probabilistic Latent Semantic Analysis)
相似:
- 首先假设V=[vfn]V=[v_{fn}]V=[vfn]是一个单词-文本的矩阵,vfnv_{fn}vfn是单词mfm_fmf在文本dnd_ndn的出现频率。
- 假设wfk=P(tk)P(mf∣tk)w_{fk}=P(t_k)P(m_f|t_k)wfk=P(tk)P(mf∣tk)和hkn=P(dn∣tk)h_{kn}=P(d_n|t_k)hkn=P(dn∣tk),那么模型可以写成:
[P(mf,dn)]=[vfn]=WH[P(m_f,d_n)]=[v_{fn}]=WH[P(mf,dn)]=[vfn]=WH
这里,wkw_kwk可以被解释成为与数据hkh_khk的主题相关度
1.4 语音处理
语音的自动识别一直是计算机科学家努力的方向,也是未来智能应用实现的基础技术。语音同样包含大量的数据信息,识别语音的过程也是对这些信息处理的过程。
NMF算法在这方面也为我们提供了一种新方法,在已有的应用中,NMF算法成功实现了有效的语音特征提取,并且由于NMF算法的快速性,对实现机器的实时语音识别有着促进意义。也有使用NMF方法进行音乐分析的应用。复调音乐的识别是个很困难的问题,三菱研究所和MIT(麻省理工学院)的科学家合作,利用NMF从演奏中的复调音乐中识别出各个调子,并将它们分别记录下来。实验结果表明,这种采用NMF算法的方法不光简单,而且无须基于知识库。
NMF处理声频产生局部特征数据示例:
1.5 时序分割(temporal segmentation)
引用隐马尔科夫模型hidden markov models HMM
,可以处理时间序列的数据,例如音频视频:
NMF可以通过阈值设置把文件序列数据分割成不同兴趣主题,下面为挖掘电影剪辑结构的一个例子:
同样基于时序分割的想法下有了这样一个语音处理项目,对很多人说的一段话进行语音特征分割,识别出每段话属于哪个人说的:
1.6 聚类
聚类最常用的方法是K-means
,俗称K均值算法
,NMF算法比K-means算法更优之处因为它是一种软聚类方法
(也就是一个元素可以被分为多种类型,不是K-means那种非彼则此),对于有可能重复的聚类方法NMF是简单高效的。
1.7 机器人控制
如何快速准确地让机器人识别周围的物体对于机器人研究具有重要的意义,因为这是机器人能迅速作出相应反应和动作的基础。机器人通过传感器获得周围环境的图像信息,这些图像信息也是以矩阵的形式存储的。已经有研究人员采用NMF算法实现了机器人对周围对象的快速识别,根据现有的研究资料显示,识别的准确率达到了80%以上。
1.8 生物医学工程和化学工程
生物医学和化学研究中,也常常需要借助计算机来分析处理试验的数据,往往一些烦杂的数据会耗费研究人员的过多精力。NMF算法也为这些数据的处理提供了一种新的高效快速的途径。
- 科学家将NMF方法用于处理核医学中的电子发射过程的动态连续图像,有效地从这些动态图像中提取所需要的特征。
- NMF还可以应用到遗传学和药物发现中。因为NMF的分解不出现负值,因此采用NMF分析基因DNA的分子序列可使分析结果更加可靠。
- 同样,用NMF来选择药物成分还可以获得最有效的且负作用最小的新药物。
1.9 滤波和源分离
参考独立成分分析(Independent Component Analysis, ICA):
在滤波当中,有一篇SCI使用了一个例子,即基于深度轮廓进行动作识别Action Recognition using depth silhouettes
,NMF算法作为特征学习的算法。最后论文使用微软开源的Kinect
的骨骼特征、PCA
算法、NMF
算法进行轮廓特征学习对比,发现NMF的精确率最高91%,而微软开源的骨骼特征识别度只达到78%。
NMF在电影推荐系统中的应用案例
有用户
和电影
两个集合。给出每个用户对部分电影的打分,希望预测该用户对其他没看过电影的打分值,这样可以根据打分值为其做出推荐。用户和电影的关系,可以用一个矩阵来表示,每一列表示用户,每一行表示电影,每个元素的值表示用户对已经看过的电影的打分。
相关的包:from sklearn.decomposition import NMF
下面简单介绍一下基于NMF的推荐算法:
数据
电影的名称,使用10个电影:
# 电影列表
item = ['Avatar', 'Unforgiven', 'Leon: The Professional', 'The Hurt Locker', 'Back to the Future','The Dark Knight', 'Brave heart', 'The Notebook', 'Princess Bride', 'The Iron Giant']
用户的名称,使用15个用户:
# 用户列表
user = ['Rose', 'Lily', 'Daisy', 'Bond', 'Mask','Poppy', 'Violet', 'Kong', 'Oli', 'Daffodil','Camellia', 'Rust', 'Rosemary', 'Aron', 'Chen']
用户的评分矩阵:
# 用户评分矩阵
RATE_MATRIX = np.array([[5, 5, 3, 0, 5, 5, 4, 3, 2, 1, 4, 1, 3, 4, 5],[5, 0, 4, 0, 4, 4, 3, 2, 1, 2, 4, 4, 3, 4, 0],[0, 3, 0, 5, 4, 5, 0, 4, 4, 5, 3, 0, 0, 0, 0],[5, 4, 3, 3, 5, 5, 0, 1, 1, 3, 4, 5, 0, 2, 4],[5, 4, 3, 3, 5, 5, 3, 3, 3, 4, 5, 0, 5, 2, 4],[5, 4, 2, 2, 0, 5, 3, 3, 3, 4, 4, 4, 5, 2, 5],[5, 4, 3, 3, 2, 0, 0, 0, 0, 0, 0, 0, 2, 1, 0],[5, 4, 3, 3, 2, 0, 0, 0, 0, 0, 0, 0, 1, 0, 1],[5, 4, 3, 3, 1, 0, 0, 0, 0, 0, 0, 0, 0, 2, 2],[5, 4, 3, 3, 1, 0, 0, 0, 0, 0, 0, 0, 0, 1, 1]]
)
用户和电影的NMF分解矩阵,其中nmf_model为NMF的类,user_dis为W矩阵,item_dis为H矩阵,R设置为2:
# 用户和电影的NMF分解,其中nmf_model为NMF的类,user_dis为W矩阵,item_dis为H矩阵,R设置为2:
nmf_model = NMF(n_components=2, init='nndsvd') # 设置有2个主题
item_dis = nmf_model.fit_transform(RATE_MATRIX)
user_dis = nmf_model.components_
print('用户的主题分布:')
print(user_dis)
print('电影的主题分布:')
print(item_dis)
可以把电影主题分布矩阵和用户分布矩阵画出来:
# 把电影主题分布矩阵和用户分布矩阵画出来
plt1 = plt
plt1.plot(item_dis[:, 0], item_dis[:, 1], 'ro')
plt1.draw() # 直接画出矩阵,只打了点,下面对图plt1进行一些设置plt1.xlim((-1, 3))
plt1.ylim((-1, 3))
plt1.title(u'the distribution of items (NMF)') # 设置图的标题count = 1
zipitem = zip(item, item_dis) # 把电影标题和电影的坐标联系在一起for item in zipitem:item_name = item[0]data = item[1]plt1.text(data[0], data[1], item_name,fontproperties='SimHei',horizontalalignment='center',verticalalignment='top')
plt1.show()
从上面的图可以看出电影主题划分出来了,使用KNN
或者其他距离度量算法可以把电影分为两大类,也就是根据之前的NMF矩阵分解时候设定的n_components=2
有关。后面对这个n_components的值进行解释。
再来看看用户的主题划分:
# 用户的主题划分
user_dis = user_dis.T # 把用户分布矩阵进行转置
plt2 = plt
plt2.plot(user_dis[:, 0], user_dis[:, 1], 'ro')
plt2.xlim((-1, 3))
plt2.ylim((-1, 3))
plt2.title(u'the distribution of user (NMF)') # 设置图的标题zip_user = zip(user, user_dis) # 把电影标题和电影的坐标联系在一起
for user in zip_user:user_name = user[0]data = user[1]plt2.text(data[0], data[1], user_name,fontproperties='SimHei',horizontalalignment='center',verticalalignment='top')
# 直接画出矩阵,只打了点,下面对图plt2进行一些设置
plt2.show()
从上图中可以看出,用户’Rose’、’Lily‘,’Daisy‘,’Bond‘具有类似的距离度量相似度,其余11个用户具有类似的距离度量相似度。
推荐
对于NMF的推荐很简单,具体过程如下:
- 求出用户没有评分的电影,因为在numpy的矩阵里面保留小数位8位,判断是否为零使用1e-8(后续可以方便调节参数),当然,如果没有那么严谨的话可以用
= 0
。 - 求出过滤评分的新矩阵,使用NMF分解的用户特征矩阵和电影特征矩阵点乘。
- 求出要求得用户没有评分得电影列表,并根据大小排列,就是最后要推荐给用户得电影ID了。
filter_matrix = RATE_MATRIX < 1e-8
rec_mat = np.dot(item_dis, user_dis)
print('重建矩阵,并过滤掉已经评分的物品:')
rec_filter_mat = (filter_matrix * rec_mat).T
print(rec_filter_mat)# 需要进行推荐的用户
rec_user = 'Camellia'
# 推荐用户ID
rec_userid = user.index(rec_user)
# 推荐用户的电影列表
rec_list = rec_filter_mat[rec_userid, :]print('推荐用户的电影:')
print(np.nonzero(rec_list))
执行结果如下:
重建矩阵,并过滤掉已经评分的物品:
[[0. 0. 1.5890386 0. 0. 0.0. 0. 0. 0. ][0. 2.7740907 0. 0. 0. 0.0. 0. 0. 0. ][0. 0. 0.92052211 0. 0. 0.0. 0. 0. 0. ][2.64547255 1.74465262 0. 0. 0. 0.0. 0. 0. 0. ][0. 0. 0. 0. 0. 4.05860190. 0. 0. 0. ][0. 0. 0. 0. 0. 0.0. 0. 0. 0. ][0. 0. 2.0032409 2.01150506 0. 0.0.12435687 0.12327804 0.12607624 0.12102394][0. 0. 0. 0. 0. 0.0. 0. 0. 0. ][0. 0. 0. 0. 0. 0.0. 0. 0. 0. ][0. 0. 0. 0. 0. 0.0. 0. 0. 0. ][0. 0. 0. 0. 0. 0.0.10151985 0.10063914 0.10292348 0.09879899][0. 0. 1.90583476 0. 2.59943825 0.0.28118406 0.27874473 0.28507174 0.27364798][0. 0. 2.24781825 2.72111639 0. 0.0. 0. 0.79309584 0.76131387][0. 0. 1.59599481 0. 0. 0.0. 1.17411736 0. 0. ][0. 2.69178372 2.23370837 0. 0. 0.1.41220313 0. 0. 0. ]]
推荐用户的电影:
(array([6, 7, 8, 9], dtype=int64),)
通过上面结果可以看出来,推荐给用户’Camellia’的电影可以有’The Dark Knight’, ‘Brave heart’, ‘The Notebook’, ‘Princess Bride’。
误差
查看分解后的误差:
a = NMF(n_components=2) # 设有2个主题
W = a.fit_transform(RATE_MATRIX)
H = a.components_
print(a.reconstruction_err_)b = NMF(n_components=3) # 设有3个主题
W = b.fit_transform(RATE_MATRIX)
H = b.components_
print(b.reconstruction_err_)c = NMF(n_components=4) # 设有4个主题
W = c.fit_transform(RATE_MATRIX)
H = c.components_
print(c.reconstruction_err_)d = NMF(n_components=5) # 设有5个主题
W = d.fit_transform(RATE_MATRIX)
H = d.components_
print(d.reconstruction_err_)
上面的误差分别是
13.823891101850649
10.478754611794432
8.223787135382624
6.120880939704367
在矩阵分解当中忍受误差是有必要的,但是对于误差的多少呢,我们认为通过NMF计算出来的误差不用太着迷,更要的是看你对于主题的设置分为多少个。很明显的是主题越多,越接近原始的矩阵误差越少,所以先确定好业务的需求,然后定义应该聚类的主题个数。
总结
以上虽使用NMF实现了推荐算法,但是根据Netfix的CTO所说,NMF他们很少用来做推荐,用得更多的是SVD。对于矩阵分解的推荐算法常用的有SVD、ALS、NMF。对于哪种更好和对于文本推荐系统来说很重要的一点是搞清楚各种方法的内在含义。
另外,补充SVD、ALS、NMF三种算法在实际工程应用中的区别。
- 对于一些明确的数据使用SVD(例如用户对item的评分)
- 对于隐含的数据使用ALS(例如purchase history购买历史,watching habits浏览兴趣 and browsing activity活跃记录等)
- NMF用于聚类,对聚类的结果进行特征提取。
在上面的实践当中就是使用了聚类的方式对不同的用户和物品进行特征提取,特征可以看成是推荐的相似度,所以可以用来作为推荐算法。但是并不推荐这样做,因为和SVD对比,NMF的精确率和召回率并不显著。
参考资料
- https://blog.csdn.net/qq_26225295/article/details/51211529
- https://blog.csdn.net/qq_26225295/article/details/51165858
【线性代数】矩阵分解(Matrix Factorization)笔记:非负矩阵分解(实践)相关推荐
- 推荐算法之--矩阵分解(Matrix Factorization)
文章目录 推荐算法之--矩阵分解(Matrix Factorization) 1. 共现矩阵 2. 矩阵分解(MF) 3. SVD实现矩阵分解(MF) 4. 梯度下降 实现 矩阵分解(MF) 4.1 ...
- 【推荐系统】隐语义模型(LFD)与矩阵分解(Matrix Factorization)
如果需要完整代码可以关注下方公众号,后台回复"代码"即可获取,阿光期待着您的光临~ 文章目录 1.隐语义模型与矩阵分解 2.隐语义模型(Latent Factor Model) 3 ...
- MF+Matrix Factorization+矩阵分解
MF+Matrix Factorization+矩阵分解 Matrix Factorization Matrix Decompostion LU分解,QR分解,SVD分解,,,, 非负矩阵分解 概念: ...
- 稀疏表示与非负矩阵分解(3)矩阵分解基本原理和chirp信号处理的简单python实现
稀疏表示与非负矩阵分解(3)矩阵分解基本原理和chirp信号处理的简单python实现 1. 非负矩阵分解 2. 时频图制作 2.1 时频图的指标与方法比较 2.1.1 时间分辨率和频域分辨率 2.1 ...
- 非负矩阵分解NMF(1): 非调包python实现
文章目录 1. 矩阵分解(Matrix Factorization): 1.1 公式推导 1.2 代码实现 1.3 在图像数据下的效果 2. 非负矩阵分解(Non-negative Matrix Fa ...
- 期末周总结-矩阵理论-非负矩阵分解
矩阵理论结课作业主要介绍了非负矩阵分解,同时基于非负矩阵分解讲了两个实例. 非负矩阵分解(Non-negative matrix factorization, NMF)是一种常用的矩阵分解方法.对于一 ...
- MDIPA:基于非负矩阵分解的MicroRNA-药物相互作用预测方法
MDIPA:基于非负矩阵分解的MicroRNA-药物相互作用预测方法 摘要 一.简介 二.方法 2.1 数据集 2.2 鉴定-药物相互作用 2.3 microRNA与药物的邻域信息 2.4 非负矩阵分 ...
- matlab lud矩阵分解,MIT线性代数总结笔记——LU分解
MIT线性代数总结笔记--LU分解 矩阵分解 矩阵分解(Matrix Factorizations)就是将一个矩阵用两个以上的矩阵相乘的等式来表达.而矩阵乘法涉及到数据的合成(即将两个或多个线性变换的 ...
- NMF 非负矩阵分解(Non-negative Matrix Factorization)实践
1. NMF-based 推荐算法 在例如Netflix或MovieLens这样的推荐系统中,有用户和电影两个集合.给出每个用户对部分电影的打分,希望预测该用户对其他没看过电影的打分值,这样可以根据打 ...
- Non-Negative Matrix Factorization 非负矩阵分解(NMF)
Non-Negative Matrix Factorization 非负矩阵分解(NMF) 简介及基本思想 1999年由D.D.Lee和H.S.Seung提出的新的矩阵分解思想,在矩阵中所有元素均为非 ...
最新文章
- 基于用户画像 《列变行》 特征打标显示
- USB学习笔记连载(八):FX2替换到FX2LP需要注意事项
- algorithm头文件下的常用函数
- 【QGIS入门实战精品教程】2.1:初识QGIS软件
- wildfly_从WildFly 9(子系统)中运行OkHttpClient
- 清华学生计划表,大写的服!
- Django:django-user2安装相关问题
- 第一篇 Windows 8 开发Windows Metro style app环境配置
- Zookepper(2015.08.16笔记)
- 【探索PowerShell 】【七】变量
- 自用的项目管控周报模板
- java计算机毕业设计随心淘网管理系统源代码+数据库+系统+lw文档
- python中compile的作用_Python compile函数有什么用?
- Java基础——注解和反射——注解自定义与反射具体使用实例
- 程序员薪酬大调查:学哪种语言最赚钱?
- Word控件Spire.Doc 【文本】教程(14) ;如何用图片替换Word中的文字
- Google Hacking基本用法
- [元带你学NVMe协议] ] 插槽接口(M.2 / mSATA / SATA )、总线(PCIE / SATA )、传输协议(NVME / AHCI) 图解
- 华为“消费者业务”更名为“终端业务”,正式进军商用终端市场
- 数字微镜器件(DMD)呈现不同灰度(强度)原理的验证实验