一个使用 latent space clustering model 和 NMF 进行Bicluster 聚类的实例

NMF = nonnegative matrix  factorization 

具体介绍请看拙文

使用NMF模型进行消费者行为分析

本文将举例介绍如何综合使用  latent clustering model 和 NMF 模型 对消费者进行聚类。

我们这次演示用的数据是 Davis 数据集， 这是个18 * 14 的小数据集， 每一行是一位女性，总共18位女性，每一列是一个活动，总共有14个活动。 每一个cell可以取1或者0， 取值之为1时，代表该行代表的女士参加了该列的活动。你可以把每个活动想象成不同的电影或者在不同的餐馆就餐。 这里有个关于使用latent
clustering model的教程，也是使用的Davis 数据集。

以下是具体数据：



我们使用R package latentnet  进行聚类

library(latentnet)

data(davis)

davis.fit<-ergmm(davis~bilinear(d=2)+rsociality)

plot(davis.fit,pie=TRUE,rand.eff="sociality",labels=TRUE)

从图中的结果看，活动似乎被分为了两个大 cluster, 上面的E1 -E6， 以及下方的E9 - E14。 女士们也能大致分为上下两个组。 

我们再来看一下 NMF模型的结果，我们依旧使用我们的NMF  R 包。 根据上面的结果我们把Basis 设为2。

library(NMF)
data_matrix<-as.matrix.network(davis)
fit<-nmf(data_matrix, 2, "lee", nrun=20)
par(mfrow = c(1, 2))
basismap(fit)
coefmap(fit)

我们可以看到， NMF的结果更为清晰，从右边的 Mixture coefficients 图中， 我们可以看到，NMF把E1 -E6 分为一类， E9 -E12 归为另一类。右边的basis components 图也清晰的显示出绝大多数女士被单独的归到了一类中。 两种模型所得出的结果一致。