nimfa 1.3.4

尼姆法

nimfa是一个python模块，它实现了许多非负的算法 矩阵分解。nimfa是根据bsd许可证发行的。

这个项目是由Marinka Zitnik在2011年启动的，当时她是 代码项目，从那时起，许多志愿者都做出了贡献。见 authors文件以获取完整的贡献者列表。

目前由一个志愿者小组负责维护。

重要链接

• 官方源代码回购：https://github.com/marinkaz/nimfa
• HTML文档（稳定版本）：http://nimfa.biolab.si
• 下载版本：http://github.com/marinkaz/nimfa/releases
• 问题跟踪程序：http://github.com/marinkaz/nimfa/issues

依赖关系

nimfa经过测试可以在python 2.7和python 3.4下工作。

构建软件所需的依赖项是numpy>；=1.7.0， scipy=0.12.0.秒。

运行示例matplotlib>；=1.1.1是必需的。

安装

这个包使用setuptools，这是安装python的常用方法 模块。要在主目录中安装，请使用：

python setup.py install --user

在UNIX/Linux上为所有用户安装：

sudo python setup.py install

有关更详细的安装说明，请参见网页 http://nimfa.biolab.si

使用

交替最小二乘非负矩阵因式分解 投影梯度与随机vcol初始化算法 髓母细胞瘤基因表达数据：

>>> import nimfa
>>> V = nimfa.examples.medulloblastoma.read(normalize=True)
>>> lsnmf = nimfa.Lsnmf(V, seed='random_vcol', rank=50, max_iter=100)
>>> lsnmf_fit = lsnmf()
>>> print('Rss: %5.4f' % lsnmf_fit.fit.rss())
Rss: 0.2668
>>> print('Evar: %5.4f' % lsnmf_fit.fit.evar())
Evar: 0.9997
>>> print('K-L divergence: %5.4f' % lsnmf_fit.distance(metric='kl'))
K-L divergence: 38.8744
>>> print('Sparseness, W: %5.4f, H: %5.4f' % lsnmf_fit.fit.sparseness())
Sparseness, W: 0.7297, H: 0.8796

引用

@article{Zitnik2012,
  title     = {Nimfa: A Python Library for Nonnegative Matrix Factorization},
  author    = {Zitnik, Marinka and Zupan, Blaz},
  journal   = {Journal of Machine Learning Research},
  volume    = {13},
  pages     = {849-853},
  year      = {2012}
}