sklearn-降维-非负矩阵分解（NMF）-白红宇

sklearn-降维-非负矩阵分解（NMF）

阅读量：3910 次

发布时间：2019-05-23

本文共 238 字，大约阅读时间需要 1 分钟。

原理

非负矩阵分解是在矩阵中所有元素均为非负数约束条件之下的矩阵分解方法。

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H的乘积近似等于矩阵V中的值。

V_{n*m}=W_{n*k}*H_{k*m}

####公式解析

W矩阵：基础图像矩阵，相当于从原矩阵中抽取出来的特征

H矩阵:系数矩阵

NMF能够广泛应用于图像分析。文本挖掘和语音处理等领域。

转载地址：http://lykrn.baihongyu.com/

你可能感兴趣的文章

.NET必知的EventCounters性能指标监视器

ASP.NET Core 中基于工厂的中间件激活

查看>>

跟我一起学Redis之Redis事务简单了解一下

查看>>

微软发布VS Code Jupyter插件！不止Python！多语言的Jupyter Notebook支持来了！

查看>>

64岁Python之父加入微软 | 谁说大龄程序员无出路

查看>>

说说 C# 9 新特性的实际运用

查看>>

System.Text.Json中时间格式化

查看>>

怎么将SVG转成PNG(.NET工具包编写)

查看>>

.NET Core3.1升级.NET5，坑还真不少...

客户的一个紧急bug，我用了两种方式进行 C# 反编译修改源码

查看>>

.NET5都来了，你还不知道怎么部署到linux？最全部署方案，总有一款适合你

查看>>

我画着图，FluentAPI 她自己就生成了

查看>>

BenchmarkDotNet v0.12x新增功能

查看>>

使用 .NET 5 体验大数据和机器学习

查看>>