Matrix 非负矩阵分解：如何预测新条目的值？

我目前的理解：
我试着阅读了一些关于NMF的文章和链接。这都是关于如何将MxN矩阵拆分为MxR和RxN矩阵（R 问题：
我有一个用户列表（U）和每个用户的一些分配（a）。现在我使用NMF拆分这个矩阵（UxA）。我得到了两个矩阵UxR和RxA。我如何使用它们来预测新用户（U）必须有哪些分配（a'）

任何帮助都将不胜感激，因为我在试图寻找答案后无法理解这一点

附带问题和基于意见：
另外，如果有人能告诉我他们的经验，他们是如何选择R的，特别是当作业数量在50000或十万左右时。我一直在scikit学习库中尝试这些

编辑：

---

这可以简单地使用model.inverse_transform（model.transform（User'））

您可以尝试将此问题视为推荐问题。您希望近似地将矩阵X分解为两个非负矩阵U和V

看

对于pyothn scikit learn，您可以使用：

其中X是要分解的矩阵，W和H是非负因子

要预测新用户（U）的任务（A'），只需使用WH'来完成maitrx

from sklearn.decomposition import NMF
model = NMF(n_components=2, init='random', random_state=0)
W = model.fit_transform(X)
H = model.components_