基于NMF生成推荐时，如何为新用户重建数据？

嘿，我之前也踩过这个坑，咱们来一步步拆解问题所在，以及怎么得到和sklearn一致的结果：

核心差异：你的公式 vs sklearn的逻辑 #

你用的公式 data.dot(H.T.dot(np.linalg.pinv(H.dot(H.T))).dot(H)) 本质是将新用户数据正交投影到H的列空间，这是无约束的线性代数解法，但sklearn的NMF inverse_transform 完全是另一个逻辑：

• sklearn的NMF模型基于 X ≈ W @ H，其中W（用户潜在特征）和H（物品潜在成分）都满足非负约束
• inverse_transform 的步骤是：先对新数据求解非负的W_new（即 argmin ||X_new - W_new@H||²，同时W_new ≥ 0），再通过 W_new @ H 生成重建数据

你的公式没有考虑非负约束，也没有遵循NMF的非负最小二乘目标，所以结果自然和sklearn不一致。

正确的新用户重建步骤（含缺失数据） #

针对带缺失项的新用户数据，我们需要手动模拟sklearn的非负约束求解逻辑，步骤如下：

1. 准备训练好的模型和新用户数据 #

假设你已经用sklearn训练好了NMF模型：

from sklearn.decomposition import NMF
import numpy as np
from scipy.optimize import nnls

# 示例训练（假设你已经完成这一步）
model = NMF(n_components=5, random_state=42)
W_train = model.fit_transform(X_train)  # X_train是训练数据
H = model.components_  # 物品潜在成分矩阵，形状(n_components, n_features)

# 带缺失的新用户数据（用np.nan表示缺失）
x_new = np.array([[2, np.nan, 0, np.nan, 5]])  # 示例：1个用户，5个物品

2. 提取已知特征，求解非负的W_new #

因为新用户数据有缺失，我们只利用已知的特征来估计W_new：

# 标记非缺失的特征索引
mask = ~np.isnan(x_new)
# 提取已知的特征值和对应的H列
x_known = x_new[mask].reshape(1, -1)
H_known = H[:, mask]

# 用非负最小二乘求解W_new
# nnls要求目标是列向量，所以调整形状
w_new, _ = nnls(H_known.T, x_known.T.flatten())
w_new = w_new.reshape(1, -1)  # 转成(1, n_components)的用户特征矩阵

3. 生成重建数据 #

用求解得到的非负W_new和H相乘，得到最终的重建结果：

x_recon = w_new @ H
print("重建结果：", x_recon)

如果新用户数据没有缺失，直接用 model.transform(x_new) 得到W_new，再调用 model.inverse_transform(W_new) 也会得到相同的结果。

为什么你的公式会出问题？ #

• 无约束vs非负约束：你的公式是无约束的线性投影，可能产生负值，而NMF的重建结果必须是非负的（符合原始数据的非负假设，比如评分、点击量等）
• 目标函数不同：NMF的核心是最小化带非负约束的重构误差，而正交投影只是最小化无约束的欧氏距离，两者的优化目标完全不同

内容的提问来源于stack exchange，提问作者Vivek Sethia