集体矩阵分解(CMF)发现联合低秩具有共享行或列的矩阵集合的表示实体。该代码学习CMF的变分贝叶斯近似,支持多种可能性和缺失数据,而识别由多个矩阵共享的因素和私有因素对于每个矩阵。有关该方法的更多详细信息,请参见Klami等人(2014)<doi:10.448550/arXiv.1312.5921>.该软件包还可用于学习贝叶斯典型相关分析(CCA)和群体因素分析(GFA)模型,两者都是CMF的特殊情况。这可能对寻找CCA和GFA解决方案支持缺失数据和非高斯概率。参见Klami等人(2013)<https://research.cs.aalto.fi/pml/online-papers/klami13a.pdf>和Virtanen等人(2012年)<http://proceedings.mlr.press/v22/virtanen12.html>有关贝叶斯CCA和GFA的详细信息。
请使用规范形式https://CRAN.R-project.org/package=CMF链接到此页面。