奇异值分解与非负矩阵分解的双交叉验证
摘要：使用一种称为bi-cross-validation (BCV)的方法选择外积模型的秩，尤其是奇异值分解(SVD)和非负矩阵分解(NMF)。与传统的留出一组行数据不同，我们留出一组行和一组列数据，并利用保留的数据通过低秩操作来预测留出的数据。我们证明了一种自洽性结果，将预测误差表示为低秩逼近的残差。随机矩阵理论和一些实证结果表明，较小的留出集导致过度拟合，而较大的留出集更容易出现欠拟合。在模拟实验中，我们发现留出一半的行和一半的列的方法表现良好。
作者：Art B. Owen, Patrick O. Perry
论文ID：0908.2062
分类：Applications
分类简称：stat.AP
提交时间：2009-08-17