2024年8月13日 · 非负矩阵分解 （NMF）和一致性聚类（ConsensusClusterPlus）是两种常用的聚类和模式识别方法，它们在算法原理、使用场景和结果解读上都有相似和不同之处。 这两种代码流程已经被诸多老师所解析和展示，本次也是跟着老师们发布在网上的流程进行练习和整理。 使用场景: NMF主要用于从高维数据中提取潜在模式或特征，例如基因表达数据中的特征模块识别，或者文本数据中的主题提取。 算法原理: NMF是一种矩阵分解技术，将一个非负矩阵 VVV 分解为 …

Non-negative matrix factorization (NMF or NNMF), also non-negative matrix approximation[1][2] is a group of algorithms in multivariate analysis and linear algebra where a matrix V is factorized into (usually) two matrices W and H, with the property that …

针对基因表达矩阵或者芯片数据，可以基于表达水平对数据进行 无监督聚类 分析。 完成这个功能的算法有很多种，如 非负矩阵分解 (nonnegative matrix factorization)，一致性聚类 (consensus clustering), 自组织映射 (SOM clustering)等，文章 Metagenes and molecular pattern discovery using matrix factorization 介绍和比较了几种算法，文章总结NMF算法更优，但其他几种算法针对不同特征的数据也各有偏好，可以多了解一下算法再自行选择。

2024年8月12日 · 非负矩阵分解（NMF）和一致性聚类（ConsensusClusterPlus）是两种常用的聚类和模式识别方法，它们在算法原理、使用场景和结果解读上都有相似和不同之处。

2024年12月17日 · NMF的一个主要用途是将高维的RNA-seq数据分解为低秩近似。 通过将基因表达矩阵V分解为W（基矩阵）和H（系数矩阵），可以识别出隐藏在数据中的主要模式： W代表基因的特征模式。 H代表细胞的特征表示。 这种方式不仅能够降维，还能帮助我们识别哪些基因在特定细胞类型或状态下表现突出。 The data were deconvoluted into 30 ‘factors’ using non-negative matrix factorization (NMF) (describing associated genes, pathways and cell types).

2023年10月6日 · NMF：使用非负矩阵分解 (NMF)，可以从突变计数矩阵中重新提取Mutational signatures。 signature refitting：还可以确定突变计数矩阵对先前定义的Mutational signatures的暴露（exposure）。

这样的感觉，其实就可以使用NMF算法来实现，尤其是层次聚类并不能很好的把样本进行“泾渭分明”的分组。 第一步：判断最佳分组

2021年7月27日 · 非负矩阵分解 (Non-negative Matrix Factorization, NMF)本质上说是一种矩阵分解的方法，对于任意给定的一个非负矩阵V，NMF算法能够寻找到一个非负矩阵W和一个非负矩阵H，使得 V≈W*H 成立 ，从而将一个非负的矩阵分解为左右两个非负矩阵的乘积。

2023年6月26日 · 对于细胞分群效果不理想，如上皮细胞存在异质性等，可以考虑使用非负矩阵分解（NMF）的方式去定义元程序（meta program，即功能模块）和元标签（meta label，即功能基因集）。

Receive an awesome list of free handy resources in your inbox every week! The NMF logo available for download as PNG and SVG (vector). Get it here!