Bei nicht-negativen Daten kann die nicht-negative Matrixfaktorisierung zum Clustern der Beobachtungen, der Variablen oder beider verwendet werden. NMF-Clustering konzentriert sich naturgemäß auf die großen Werte. Unser Ansatz besteht darin, die Daten zu normalisieren, z. B. durch Subtraktion der Zeilen-/Spaltenmittelwerte, und die Matrix in positive und negative Teile aufzuteilen. NMF-Clustering, angewendet auf die verknüpften Daten, „PosNegNMF“, gewichtet große und kleine Werte gleich. Dieser Ansatz sowie leistungsstarke Visualisierungstools sind in JMP über unsere Plattform verfügbar: inferentielle und robuste Matrixfaktorisierung, irMF. Eine leicht automatisierte Demo ist den Folien beigefügt.
