<meta http-equiv="Content-Type" content="text/html; charset=UTF-8" />Wenn die Daten nicht negativ sind, können Sie die Beobachtungen, die Variablen oder beides mit einer nicht negativen Matrixfaktorisierung zusammenfassen. NMF-Clustering konzentriert sich naturgemäß auf die großen Werte. Unsere Idee ist, die Daten zu normalisieren, z. B. durch Abzug der Zeilen- / Spaltenmittel, und die Matrix in positive und negative Teile aufzuteilen. Das auf die verketteten Daten angewendete NMF-Clustering "PosNegNMF" gibt großen und kleinen Werten das gleiche Gewicht. Der Ansatz sowie leistungsstarke Visualisierungstools stehen in JMP über unsere Plattform zur Verfügung: Inferential & Robust Matrix Factorization, irMF. Eine leichte automatisierte Demo ist in den Folien enthalten.
