我正在对一个大型矩阵应用非负矩阵分解（NMF）。NMF方法的基本操作如下：给定一个m行n列的矩阵A，NMF将其分解为A = WH，其中W是m行d列的矩阵，H是d行n列的矩阵。Python包Sklearn中实现了ProjectedGradientNMF方法。我希望算法能同时返回W和H。但似乎它只返回H，而不返回W。对A的转置矩阵A.T再次应用该算法可以得到W。然而，由于矩阵非常大，我希望避免进行两次计算。

如果你能告诉我如何同时获得W和H，那就太好了！以下是我的代码：

from sklearn.decomposition import ProjectedGradientNMFimport numpyA = numpy.random.uniform(size = [40, 30])nmf_model = ProjectedGradientNMF(n_components = 5, init='random', random_state=0)nmf_model.fit(A)H = nmf_model.components_.T

回答：

幸运的是，你可以查看源代码：
https://github.com/scikit-learn/scikit-learn/blob/master/sklearn/decomposition/nmf.py

fit_transform()从第460行开始，在第530行显示H被附加到components_上，而W从函数中返回。

所以你不需要运行两次，你只需要将：

nmf_model.fit(A);H = nmf_model.components_.T;

改为：

W = nmf_model.fit_transform(A);H = nmf_model.components_;