← 返回卡片

原书出处

数据科学工程实践 用户行为分析与建模、AB实验、SQLFlow

05 第5章 行为规律的发现与挖掘 5.3 对无序稀疏数据的规律分析

核验版本的摘录快照 · 导入于 2026-11-14T09:43:22.279Z

1999年,D.D.Lee和H.S.Seung提出了非负矩阵分解(Non-negative Matrix Factorization,NMF)方法。NMF是一种基于非负数约束条件之下的矩阵分解方法,其基本原理是,对于任意给定的非负矩阵V,找到非负矩阵W和H,使得两者的乘积近似于原始矩阵V,其中W称为基矩阵,H称为系数矩阵。由于分解结果中没有负值,原矩阵可以看作基矩阵中所有列向量的加权和,而权重系数为系数矩阵中的元素。这种基于基向量组合的

此预览只包含定位所需的摘录和上下文。

原书定位详情

来源:a19c7933-4eda-4176-aebd-30fe7e1ad292

正文位置:extracted/数据科学工程实践 用户行为分析与建模、AB实验、SQLFlow/_epub-src/OEBPS/Text/part0029.xhtml

EPUB SHA-256:b9d74c3cb9a87547f425283a2273004c2d73de2c2b50ebf97c2ab3336ae5d102