如何在python scikit NMF中处理缺失值

Question

我正在尝试使用python scikit-learn在我的数据集上应用NMF。我的数据集包含0个值和缺失值。但scikit-learn不允许数据矩阵中的NaN值。有些帖子说用零替换缺失值。

我的问题是：

• 如果我用零替换缺失值，算法如何告诉缺失值和实际零值？
• 是否有任何其他NMF实现可以处理缺失值？
• 或者，如果有任何其他矩阵分解算法可以做缺失值预测？

Answer 1

在scikit-learn github中有一个关于这个的线程，并且版本接缝可用但尚未提交给主代码。

https://github.com/scikit-learn/scikit-learn/pull/8474

Answer 2

SGD将在这里完成工作，但scikit-learn没有可以应用于该任务的scikit-learn。编写自己的一个将完成这项工作，但由于无法直接并行化矩阵分解SGD，因此会非常缓慢。检查分布式SGD算法描述here。它实现起来并不困难，它可以显着加快速度。