R 中稀疏矩阵上的快速 NMF

Question

我正在寻找 R 中稀疏矩阵的快速 NMF 实现。

R NMF 包包含许多算法，none 其中在计算时间方面令人印象深刻。

NNLM::nnmf() 目前在 R 中似乎是最先进的，特别是 method = "scd" 和 loss = "mse"，实现为通过顺序坐标下降求解的交替最小二乘法。但是，这种方法在非常大、非常稀疏的矩阵上非常慢。

rsparse::WRMF 函数非常快，但这是因为 A 中只有正值用于 W 和 [=17= 的逐行计算].

在稀疏矩阵上求解NMF有什么合理的实现吗？

在 R 中是否有等同于 scikit-learn 的东西？参见

R中的fnnls、tsnnls等worker函数多种多样，none超过了nnls::nnls（Fortran语言编写）。我无法将这些函数中的任何一个编码到更快的 NMF 框架中。

Answer 1

忘了我什至发布了这个问题，但是一年后...

我在 RcppEigen 中写了一个非常快速的 NMF 实现，参见 RcppML CRAN 上的 R 包。

install.packages("RcppML")

# for the development version
devtools::install_github("zdebruine/RcppML")

?RcppML::nmf

它至少比 NNLM::nnmf 快一个数量级，相比之下，RcppML::nmf 可以与 irlba::irlba SVD 的运行时间相媲美（尽管它是一种完全不同的算法）。

我已经成功地将我的实现应用于 130 万个包含 26000 个基因的单细胞，在 96% 的稀疏矩阵中在 1 分钟内进行 100 秩分解。我觉得很有道理。

Fast NMF in R on sparse matrices