Glosario IA
El diccionario completo de la Inteligencia Artificial
Factorización de Matrices No Negativas (NMF)
Técnica de álgebra lineal que descompone una matriz V no negativa en dos matrices W y H también no negativas, tal que V ≈ WH, favoreciendo una interpretación aditiva de los datos.
Matriz de Base (W)
En la NMF, la matriz W contiene los vectores base o 'componentes' que, combinados linealmente, reconstruyen los datos originales, donde cada columna representa una característica fundamental.
Matriz de Coeficientes (H)
La matriz H en la descomposición NMF representa los pesos o coeficientes de activación de cada base (de W) para cada muestra de datos, indicando su contribución.
Rango de la Factorización
Parámetro crucial de la NMF, el rango (k) determina el número de componentes o factores latentes a extraer, controlando la granularidad de la descomposición y el nivel de compresión.
Error Cuadrático Medio (Norma de Frobenius)
Función de costo más común en NMF, calculando la suma de los cuadrados de las diferencias entre los elementos de V y WH, buscando minimizar la distancia euclidiana global.
Reglas de Actualización Multiplicativa
Algoritmo de optimización iterativo específico para NMF que actualiza las matrices W y H mediante multiplicación elemento por elemento, garantizando el mantenimiento de la restricción de no negatividad.
Costo de Esparsidad
Término de regularización añadido a la función de costo de la NMF para fomentar que las matrices W y/o H contengan muchos ceros, mejorando la interpretabilidad y selección de características.
NMF Convexa
Variante de la NMF donde la matriz base W está fija y predefinida (a menudo a partir de un diccionario de datos), haciendo el problema de optimización convexo y garantizando una solución única para H.
NMF Paralelo (Parallel NMF)
Enfoque de cálculo distribuido para NMF, donde las actualizaciones de los elementos de las matrices W y H se realizan simultáneamente en múltiples núcleos o nodos de cálculo para acelerar la convergencia.
Interpretabilidad Aditiva
Ventaja clave de NMF en comparación con otras descomposiciones como PCA, donde los componentes son partes que se suman para formar el todo, facilitando una comprensión intuitiva de los datos.
Inicialización de NMF
Proceso crítico de selección de valores iniciales para las matrices W y H, influyendo en la velocidad de convergencia y la calidad de la solución final, ya que la optimización no es convexa.
NMF Ortogonal
Extensión de NMF que añade una restricción de ortogonalidad sobre la matriz de coeficientes H (o la base W), forzando a los componentes a estar menos correlacionados y más diferenciados.
Estabilidad de NMF
Medida de la consistencia de las soluciones de NMF obtenidas a partir de diferentes inicializaciones o submuestras de datos, una baja estabilidad indica una solución potencialmente no robusta.
Co-clustering por NMF
Aplicación de NMF donde la factorización simultánea de filas y columnas de una matriz revela clusters de muestras y características que comparten estructuras latentes comunes.
NMF para Procesamiento de Señales
Uso de NMF para separar fuentes de audio o descomponer señales espectrales en componentes elementales (notas, instrumentos) explotando su naturaleza aditiva y no negativa.
NMF en Análisis de Texto
Aplicación de NMF a matrices términos-documentos para descubrir 'temas' (matriz W) y su contribución (matriz H) en cada documento, ofreciendo una interpretación temática clara.
Método de Coordenadas Alternadas (ALS)
Estrategia de optimización para la NMF que resuelve el problema de manera iterativa fijando una matriz (H) para optimizar la otra (W), y luego invirtiendo los roles hasta la convergencia.