При факторизации NMF параметр (отмеченный r в большинстве литературных источников) является рангом аппроксимации V и выбирается таким, что k < min ( m , n ) . Выбор параметра определяет представление ваших данных V в слишком полной основе, состоящей из столбцов W ; ш I , я = 1 , 2 , ⋯ , K . В результате ряды матриц W и HkrVk<min(m,n)VWwi , i=1,2,⋯,kWH имеют верхнюю границу и произведениеможет быть сгенерировано / составлено из вышеупомянутых базисных векторов.k - аппроксимация младшего ранга V ; также к максимум. Следовательно, выбор k < min ( m , n ) должен составлять уменьшение размерности, где VWHVkk<min(m,n)V
Дальнейшие подробности можно найти в главе 6 этой книги. S. Theodoridis и K. Koutroumbas.
После минимизации выбранной вами функции стоимости относительно и H , оптимальный выбор k ( выбранный эмпирически при работе с различными подпространствами признаков) должен дать V ∗ , приближение V , с характеристиками, представляющими вашу исходную матрицу данных В . WHkV∗VV
Работа с различными суб-художественных пространств в том смысле , что, число столбцов в W , является число базисных векторов в NMF подпространстве. И опытная работа с различными значениями k равносильна работе с различными пространственными объектами с уменьшенной размерностью.kWk