Si les données sont positives, la factorisation matricielle non négative peut être utilisée pour regrouper les observations, les variables, ou les deux. Par nature, la factorisation matricielle non négative se concentre sur les valeurs élevées. Notre principe est de normaliser les données, par exemple en soustrayant les moyennes ligne/colonne, et de diviser la matrice en parties positives et négatives. La factorisation matricielle non négative appliquée aux données concaténées, « PosNegNMF », accorde une pondération égale aux valeurs élevées et faibles. Cette approche, ainsi que de puissants outils de visualisation, est disponible dans JMP via notre plateforme : factorisation matricielle inférentielle et robuste (irMF). Une démonstration automatisée simplifiée est incluse dans les diapositives.
