معرفی شرکت ها
adnmtf-0.1.99
تبلیغات ما
مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.
مشاهده بیشتر
تبلیغات ما
مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.
مشاهده بیشتر
تبلیغات ما
مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.
مشاهده بیشتر
تبلیغات ما
مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.
مشاهده بیشتر
تبلیغات ما
مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.
مشاهده بیشترتوضیحات
Non-negative Matrix and Tensor Factorization
| ویژگی | مقدار |
|---|---|
| سیستم عامل | - |
| نام فایل | adnmtf-0.1.99 |
| نام | adnmtf |
| نسخه کتابخانه | 0.1.99 |
| نگهدارنده | [] |
| ایمیل نگهدارنده | [] |
| نویسنده | Paul Fogel |
| ایمیل نویسنده | pfogel@advestis.com |
| آدرس صفحه اصلی | https://github.com/Advestis/adnmtf |
| آدرس اینترنتی | https://pypi.org/project/adnmtf/ |
| مجوز | MIT |
[](https://advestis.github.io/adnmtf)
[](https://www.gnu.org/licenses/gpl-3.0)
#### Status
[](https://github.com/Advestis/adnmtf/actions/workflows/pull-request.yml)
[](https://github.com/Advestis/adnmtf/actions/workflows/push-pypi.yml)
[](https://github.com/Advestis/adnmtf/actions/workflows/push-doc.yml)
#### Compatibilities
##### Contact
[](https://www.linkedin.com/company/advestis/)
[](https://www.linkedin.com/in/fogelpaul/)
[](https://www.advestis.com/)
[](mailto:pfogel@advestis.com)
# NMTF
Non-Negative Matrix and Tensor Factorizations
Developped in collaboration with [Advestis](https://advestis.com/) ([Github](https://github.com/Advestis))
## NMF Example
```python
from adnmtf import NMF
import numpy as np
w = np.array([[1, 2],
[3, 4],
[5, 6],
[7, 8],
[9, 10],
[11, 12]])
h = np.array([[0.1, 0.2, 0.3, 0.4, 0.5, 0.6],
[0.9, 0.8, 0.7, 0.6, 0.5, 0.4]])
m0 = w.dot(h)
my_nmfmodel = NMF(n_components=2)
estimator_ = my_nmfmodel.fit_transform(m0)
estimator_ = my_nmfmodel.predict(estimator_)
```
In this example, the matrix to be factorized is generated by the dot product of:
| W | |
|----|----|
| 1 | 2 |
| 3 | 4 |
| 5 | 6 |
| 7 | 8 |
| 9 | 10 |
| 11 | 12 |
and
| H | | | | | |
|-----|-----|-----|-----|-----|-----|
| 0.1 | 0.2 | 0.3 | 0.4 | 0.5 | 0.6 |
| 0.9 | 0.8 | 0.7 | 0.6 | 0.4 | 0.4 |
- *NMF* instantiates a NMF class with 2 components.
- *fit_transform* calls the functions below in the given order:
- *nmtf_base* module: *non_negative_factorization*, *nmf_init*, *r_ntf_solve*
- *nmtf_core* module: *ntf_solve*, *ntf_solve_simple*, *ntf_update*
- *predict* derives from *fit_transform* outputs ordered sample and
feature indexes for future use in ordered heatmaps.
*predict* calls *nmf_predict* and *build_clusters* in the *nmtf_base* module
## NTF Example
```python
from adnmtf import NTF
import pandas as pd
DATA_PATH = ...
df = pd.read_csv(DATA_PATH)
m0 = df.values
n_blocks = 5
my_ntfmodel = NTF(n_components=5)
estimator_ = my_ntfmodel.fit_transform(m0, n_blocks)
estimator_ = my_ntfmodel.predict(estimator_)
```
In this example, the tensor to be factorized is read in file *data_ntf.csv*.
The tensor has 5 layers in the 3rd dimension and is formatted as a table
with 5 blocks concatenated horizontally.
- *NTF* instantiates a NTF class with 5 components.
- *fit_transform* calls the functions below in the given order:
- *nmtf_base* module: *non_negative_tensor_factorization*, *ntf_init*, *r_ntf_solve*
- *nmtf_core* module: *ntf_solve*, *ntf_solve_simple*, *ntf_update*
- *predict* derives from *fit_transform* outputs ordered sample and
feature indexes for future use in ordered heatmaps.
*predict* calls *nmf_predict* and *build_clusters* in the *nmtf_base* module
## Articles
### Peer-reviewed articles
* [(researchgate) A Tale of Two Matrix Factorizations](https://www.researchgate.net/publication/263216872_A_Tale_of_Two_Matrix_Factorizations)
* [(researchgate) Fast Local Algorithms for Large Scale Nonnegative Matrix and Tensor Factorizations](https://www.researchgate.net/publication/220241471_Fast_Local_Algorithms_for_Large_Scale_Nonnegative_Matrix_and_Tensor_Factorizations)
* [(nature) Learning the parts of objects by non-negative matrix factorization](https://www.nature.com/articles/44565)
### Blog articles
* [(Medium) Using Non-negative matrix factorization to classify companies](https://medium.com/@chtill.g/using-nmf-to-classify-companies-a77e176f276f)
* [(offconvex) Tensor Methods in Machine Learning](https://www.offconvex.org/2015/12/17/tensor-decompositions/?source=post_page---------------------------)
زبان مورد نیاز
| مقدار | نام |
|---|---|
| >=3.6 | Python |
نحوه نصب
نصب پکیج whl adnmtf-0.1.99:
pip install adnmtf-0.1.99.whl
نصب پکیج tar.gz adnmtf-0.1.99:
pip install adnmtf-0.1.99.tar.gz