R语言 fabia包 nmfdiv()函数中文帮助文档(中英文对照)

loveR

nmfdiv(fabia)
nmfdiv()所属R语言包：fabia

                                        Non-negative Matrix Factorization: Kullback-Leibler Divergence
                                         非负矩阵分解的Kullback-Leibler距离

                                         译者：生物统计家园网 机器人LoveR

描述----------Description----------

nmfdiv: R implementation of  nmfdiv.
nmfdiv：R的nmfdiv实施。


用法----------Usage----------



nmfdiv(X,p=5,cyc=100)





参数----------Arguments----------

参数：X
the data matrix.
数据矩阵。


参数：p
number of hidden factors = number of biclusters; default = 5.
隐性因素数=的biclusters;默认值= 5。


参数：cyc
maximal number of iterations; default = 100.
最大迭代次数，默认为100。


Details

详情----------Details----------

Non-negative Matrix Factorization represents positive matrix X by positive matrices L and Z.
非负矩阵分解X和L正定矩阵正定矩阵Z。

Objective for reconstruction is Kullback-Leibler divergence.
重建的目的是基于Kullback-Leibler距离。

Essentially the model is the sum of outer products of vectors:
模型本质上是向量外产品的总和：

where the number of summands  p is the number of biclusters. The matrix factorization is
加数p是的biclusters数量。矩阵分解

Here λ_i are from R^n, z_i from R^l, L from R^{n \times p}, Z from R^{p \times l}, and X from R^{n \times l}.
这里λ_iR^n，z_iR^l，LR^{n \times p}，ZR^{p \times l}和XR^{n \times l}。

The model selection is performed according  to  D. D. Lee and H. S. Seung, 1999, 2001.
模型选择是根据DD李某和协升，1999年，2001年。

The code is implemented in R.
河中实现代码


值----------Value----------


参数：
object of the class Factorization. Containing LZ (estimated noise free data L  Z), L (loading L), Z (factors  Z), U (noise X-LZ), X (scaled data X).  
对象类Factorization。含有LZ（估计无噪声数据的L  Z）L（加载L）Z（因素Z）U （噪音X-LZ）X（规模数据X）。


作者（S）----------Author(s)----------


Sepp Hochreiter



参考文献----------References----------

‘Algorithms for non-negative matrix factorization’, In Advances in Neural Information Processing Systems 13, 556-562, 2001.
‘Learning the parts of objects by non-negative matrix factorization’, Nature, 401(6755):788-791, 1999.

参见----------See Also----------

fabia, fabias, fabiap, fabi, fabiasp, mfsc, nmfdiv, nmfeu, nmfsc, plot, extractPlot, extractBic, plotBicluster, Factorization, projFuncPos, projFunc, estimateMode, makeFabiaData, makeFabiaDataBlocks, makeFabiaDataPos, makeFabiaDataBlocksPos, matrixImagePlot, summary, show, showSelected, fabiaDemo, fabiaVersion
fabia，fabias，fabiap，fabi，fabiasp，mfsc，nmfdiv，nmfeu，nmfsc，plot，extractPlot，extractBic，plotBicluster，Factorization，projFuncPos，projFunc，estimateMode ，makeFabiaData，makeFabiaDataBlocks，makeFabiaDataPos，makeFabiaDataBlocksPos，matrixImagePlot，summary，show，showSelected fabiaDemo，fabiaVersion


举例----------Examples----------




#---------------[---------------]
# TEST[试验]
#---------------[---------------]

dat <- makeFabiaDataBlocks(n = 100,l= 50,p = 3,f1 = 5,f2 = 5,
  of1 = 5,of2 = 10,sd_noise = 3.0,sd_z_noise = 0.2,mean_z = 2.0,
  sd_z = 1.0,sd_l_noise = 0.2,mean_l = 3.0,sd_l = 1.0)

X <- dat[[1]]
Y <- dat[[2]]
X <- abs(X)


resEx <- nmfdiv(X,3)


## Not run: [＃无法运行：]
#---------------[---------------]
# DEMO[演示]
#---------------[---------------]

dat <- makeFabiaDataBlocks(n = 1000,l= 100,p = 10,f1 = 5,f2 = 5,
  of1 = 5,of2 = 10,sd_noise = 3.0,sd_z_noise = 0.2,mean_z = 2.0,
  sd_z = 1.0,sd_l_noise = 0.2,mean_l = 3.0,sd_l = 1.0)

X <- dat[[1]]
Y <- dat[[2]]
X <- abs(X)


resToy <- nmfdiv(X,13)

extractPlot(resToy,ti="NMFDIV",Y=Y)


## End(Not run)[＃结束（不运行）]

转载请注明:出自 生物统计家园网(http://www.biostatistic.net)。


注：
注1：为了方便大家学习，本文档为生物统计家园网机器人LoveR翻译而成，仅供个人R语言学习参考使用，生物统计家园保留版权。
注2：由于是机器人自动翻译，难免有不准确之处，使用时仔细对照中、英文内容进行反复理解，可以帮助R语言的学习。
注3：如遇到不准确之处，请在本贴的后面进行回帖，我们会逐渐进行修订。