NMF非负矩阵分解

非负矩阵分解(NMF)用于将矩阵分解为两个非负矩阵的乘积,常用于多维数据解析。通过优化目标函数进行迭代更新,如梯度下降法。在图像处理中,NMF可用于人脸重建,调整容忍度(tol)可影响结果质量。在sklearn库中,ProjectedGradientNMF函数实现NMF。相关研究包括Lee和Seung的多篇论文。
摘要由CSDN通过智能技术生成

非负矩阵分解(Non-negative Matrix Factorization,NMF)是把一个矩阵分解成两个矩阵乘积的形式,来分解多维数据。
对于给定的矩阵 V 进行分解,分解形式如下:


VWH

V nm 维度的, n 是数据的维度, m 是数据样本的数量, W nr 维度的, H rm 维度的,其中 rmin{ n,m}
评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值