nimfa

收录理由

基因表达计数、图像像素强度、文档-词项矩阵以及音频频谱图，这些数据天然都是非负的，而 Nimfa 正是为处理这类数据而设计的。这个库实现了多种非负矩阵分解算法，从交替最小二乘、投影梯度法到更专门的变体，还提供了初始化策略和残差平方和、稀疏度等质量评估指标。它同时支持稠密矩阵和稀疏矩阵，因此面对大量零元素的大规模输入也能从容应对。研究人员和分析师若想在自己的数据上比较不同的分解方法，可以在一个统一的 Python 接口下调用所有这些算法，而且通过 conda-forge 安装非常干净。该项目始于 2011 年，最初是 Google Summer of Code 的成果，此后一直由志愿者维护。时至今日，它依然是经典潜在特征提取的可靠选择，而非基于神经网络的嵌入工具。