raise ValueError("Negative values in data passed to %s" % whom) ValueError: Negative values in data passed to NMF (input X)

这个错误提示意味着你的数据有负值，而NMF（非负矩阵分解）要求输入矩阵中的所有值都必须是非负的。因此，你需要确保数据中没有负值。可以使用`numpy`库的`all`函数来检查数据是否都为非负数。以下是一个示例代码：

import numpy as np
import pandas as pd
from sklearn.decomposition import NMF
from sklearn.preprocessing import StandardScaler
import matplotlib.pyplot as plt

# 读取数据
data = pd.read_csv('./ebs/waveform-5000.csv', header=None, skiprows=[0])
X = data.iloc[:, :-1].values

# 检查数据是否都为非负数
if not np.all(X >= 0):
    raise ValueError("Input data contains negative values")

# 数据标准化
scaler = StandardScaler()
X = scaler.fit_transform(X)

# NMF模型训练
model = NMF(n_components=5, max_iter=1000, random_state=0)
W = model.fit_transform(X)
H = model.components_

# 可视化聚类结果
plt.scatter(W[:, 0], W[:, 1], c=W[:, 2])
plt.title('NMF Clustering Result')
plt.show()

在这个示例中，我们使用`numpy`库的`all`函数来检查数据中是否存在负值。如果存在负值，则会抛出`ValueError`异常。如果数据中没有负值，则继续进行数据标准化和NMF模型训练。