nmf算法 python_python-非负矩阵分解-NMF

#非负矩阵分解(NMF)：

'''

1.NMF 人脸数据特征提取

目标：已知Olivetti 人脸数据供400个，每个数据64*64，

由于NMF分解得到的W矩阵相当于从原始矩阵中提取的特征，

那么就可以使用NMF对400个人的人脸进行特征提取。

2.通过设置k的大小可以设置提取的特征数目，在本实验中k设置为6，随后提取特征以图像的形式展示出来

'''

import matplotlib.pyplot as plt

from sklearn import decomposition #导入算法

from sklearn.datasets import fetch_olivetti_faces#人脸数据

from numpy.random import RandomState #用于创建随机种子

#设置基本参数并加载数据

n_row,n_col=2,3 #设置图像展示排列情况

n_components=n_row*n_col #设置提取的特征数目

image_shape=(64,64) #设置人脸数据图片大小

dataset=fetch_olivetti_faces(shuffle=True,random_state=RandomState(0))

faces=dataset.data #加载数据，打乱顺序

#设置图像的展示方式

def plot_gallery(title,images,n_col=n_col,n_row=n_row):

plt.figure(figsize=(2.*n_col,2.26*n_row)) #创建图片，指定大小

plt.suptitle(title,size=16) #设置标题，字号大小

for i,comp in enumerate(images):

plt.subplot(n_row,n_col,i+1) #选择画制的子图

vmax=max(comp.max(),-comp.min())

plt.imshow(comp.reshape(image_shape),cmap=plt.cm.gray,

interpolation='nearest', #对数值归一化，并以灰度图形显示

vmin=-vmax,vmax=vmax)

plt.xticks(())

plt.yticks(()) #去除子图坐标标签

plt.subplots_adjust(0.01,0.05,0.99,0.93,0.)#子图间隔调整

estimators=[('Eigenfaces -PCA using randomized SVD',

decomposition.PCA(n_components=6,whiten=True)),

('Non -negative components -NMF',#NMF和PCA实例化并存储在列表之中

decomposition.NMF(n_components=6,init='nndsvda',

tol=5e-3))]

for name ,estimator in estimators:

estimator.fit(faces) #NMF和PCA分别调用提取特征

components_=estimator.components_

#获取特征

plot_gallery(name,components_[:n_components])

#按照国定格式进行排列

if __name__=="__main__":

plt.show()#可视化

nmf算法 python_python-非负矩阵分解-NMF相关推荐

nmf算法 python_非负矩阵分解（NMF）及一个小实例
最近在做一道题,题目的要求如下图,其中如2-digits这张图,图中每两个数字构成一个子图(横着看,比如第一行为41,43,42,14,12,14,23,41),对应的右图为左图的一个主成分元素,即2 ...
文本主题模型之非负矩阵分解(NMF)
1. 非负矩阵分解(NMF)概述非负矩阵分解(non-negative matrix factorization,以下简称NMF)是一种非常常用的矩阵分解方法,它可以适用于很多领域,比如图像特征识别 ...
【机器学习】（十七）非负矩阵分解NMF：人脸图像特征提取、用特征排序；还原混合信号
非负矩阵分解(NMF)是一种无监督学习算法,目的在于提取有用的特征(可以识别出组合成数据的原始分量),也可以用于降维,通常不用于对数据进行重建或者编码. 与PCA相同,NMF将每个数据点写成一些分量的 ...
非负矩阵分解NMF(1): 非调包python实现
文章目录 1. 矩阵分解(Matrix Factorization): 1.1 公式推导 1.2 代码实现 1.3 在图像数据下的效果 2. 非负矩阵分解(Non-negative Matrix Fa ...
详解非负矩阵分解(NMF)及其在脑科学中的应用
非负矩阵分解及其在脑科学中的应用基本原理确定最优因子数量代码实现非负矩阵分解与主成分分析的区别非负矩阵分解在脑科学中的应用应用一:神经发育模式:T2w/T1w比值映射的非负矩阵分解(NMF ...
推荐算法——非负矩阵分解(NMF)
1. 矩阵分解回顾在博文推荐算法--基于矩阵分解的推荐算法中,提到了将用户-商品矩阵进行分解,从而实现对未打分项进行打分.矩阵分解是指将一个矩阵分解成两个或者多个矩阵的乘积.对于上述的用户-商品矩阵 ...
nmf算法 python_Python-Sciki中的NMF聚类方法
我正在为NMF文本数据集群实现一个Python脚本.在我的工作中,我使用的是Scikit NMF实现,然而据我所知,Scikit NMF更像是分类方法而不是聚类方法.在我开发了一个简单的脚本来处理一 ...
python-非负矩阵分解-NMF
非负矩阵分解非负矩阵分解是矩阵中所有元素均为非负数约束条件下的矩阵分解,其基本思想:给定一个非负矩阵V,NMF能够找到一个非负矩阵W和一个非负矩阵H,使得矩阵W和矩阵H的乘积近似等于矩阵V中的值. ...
Non-Negative Matrix Factorization 非负矩阵分解（NMF）
Non-Negative Matrix Factorization 非负矩阵分解(NMF) 简介及基本思想 1999年由D.D.Lee和H.S.Seung提出的新的矩阵分解思想,在矩阵中所有元素均为非 ...

nmf算法 python_python-非负矩阵分解-NMF

nmf算法 python_python-非负矩阵分解-NMF相关推荐

最新文章

热门文章