معرفی شرکت ها

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 بیشتر

توضیحات

Non-negative matrix factorization

ویژگی	مقدار
سیستم عامل	-
نام فایل	bignmf-1.0.5
نام	bignmf
نسخه کتابخانه	1.0.5
نگهدارنده	[]
ایمیل نگهدارنده	[]
نویسنده	Haran Rajkumar, Vaibhav Kulshrestha
ایمیل نویسنده	haranrajkumar97@gmail.com, vaibhav1kulshrestha@gmail.com
آدرس صفحه اصلی	https://github.com/thenmf/bignmf
آدرس اینترنتی	https://pypi.org/project/bignmf/
مجوز	-

# BigNmf [![Build Status](https://travis-ci.org/thenmf/bignmf.svg?branch=master)](https://travis-ci.org/thenmf/bignmf) [![Read the Docs](https://readthedocs.org/projects/bignmf/badge/?version=latest)](https://bignmf.readthedocs.io/en/latest/?badge=latest) [![PyPI version](https://badge.fury.io/py/bignmf.svg)](https://badge.fury.io/py/bignmf) [![License: MIT](https://img.shields.io/badge/License-MIT-yellow.svg)](https://opensource.org/licenses/MIT) BigNmf (Big Data NMF) is a python 3 package for conducting analysis using NMF algorithms. ## NMF Introduction [NMF](https://en.wikipedia.org/wiki/Non-negative_matrix_factorization) (Non-negative matrix factorization) factorizes a non-negative input matrix into non-negative factors. The algorithm has an inherent clustering property and has been gaining attention in various fields especially in biological data analysis. _Brunet et al_ in their [paper](http://www.pnas.org/content/101/12/4164) demonstrated NMF's superior capability in clustering the [leukemia dataset](https://www.kaggle.com/crawford/gene-expression) compared to standard clustering algorithms like Hierarchial clustering and Self-organizeing maps. ## Available algorithms The following are the algorithms currently available. If you would like to know more about the algorithm, the links below lead to their papers of origin. * Single NMF 1. [Standard Single NMF](https://www.nature.com/articles/44565) 1. [Sparse NMF](https://www.merl.com/publications/docs/TR2015-023.pdf) * Joint NMF 1. [Standard Joint NMF](https://www.ncbi.nlm.nih.gov/pubmed/25411328) 2. [Integrative NMF](https://journals.plos.org/plosone/article?id=10.1371/journal.pone.0176278) ## Installation This package is available on the PyPi repository. Therefore you can install, by running the following. ```bash pip3 install bignmf ``` ## Usage The following examples illustrate typical usage of the algorithm. ### 1. Single NMF ```python from bignmf.datasets.datasets import Datasets from bignmf.models.snmf.standard import StandardNmf Datasets.list_all() data=Datasets.read("SimulatedX1") k = 3 iter =100 trials = 50 model = StandardNmf(data,k) # Runs the model model.run(trials, iter, verbose=0) print(model.error) # Clusters the data model.cluster_data() print(model.h_cluster) #Calculates the consensus matrices model.calc_consensus_matrices() print(model.consensus_matrix_w) ``` ### 2. Joint NMF ```python from bignmf.models.jnmf.integrative import IntegrativeJnmf from bignmf.datasets.datasets import Datasets Datasets.list_all() data_dict = {} data_dict["sim1"] = Datasets.read("SimulatedX1") data_dict["sim2"] = Datasets.read("SimulatedX2") k = 3 iter =100 trials = 50 lamb = 0.1 model = IntegrativeJnmf(data_dict, k, lamb) # Runs the model model.run(trials, iter, verbose=0) print(model.error) # Clusters the data model.cluster_data() print(model.h_cluster) #Calculates the consensus matrices model.calc_consensus_matrices() print(model.consensus_matrix_w) ``` [Here](https://bignmf.readthedocs.io/en/latest/) is the extensive documentation for more details.

نیازمندی

مقدار	نام
-	numpy
-	pandas
-	fastcluster
-	scipy

نحوه نصب

نصب پکیج whl bignmf-1.0.5:

pip install bignmf-1.0.5.whl

نصب پکیج tar.gz bignmf-1.0.5:

pip install bignmf-1.0.5.tar.gz