Se i dati non sono negativi, la fattorizzazione di matrice non negativa può essere utilizzata per raggruppare le osservazioni, le variabili o entrambe. Per sua natura, il clustering NMF è focalizzato sui valori grandi. La nostra idea è di normalizzare i dati, ad esempio sottraendo le medie di riga/colonna, e dividere la matrice in parti positive e negative. Il clustering NMF applicato ai dati concatenati, "PosNegNMF", attribuisce lo stesso peso ai valori grandi e piccoli. L'approccio insieme a potenti strumenti di visualizzazione è disponibile in JMP tramite la nostra piattaforma: fattorizzazione di matrice inferenziale e robusta, irMF. Una demo automatizzata leggera è inclusa con le diapositive.
