NMF理解

NMF 非负矩阵分解，NMF的基本思想可以简单描述为：对于任意给定的一个非负矩阵A，NMF算法能够寻找到一个非负矩阵U和一个非负矩阵V，使得满足下面的公式 ，从而将一个非负的矩阵分解为左右两个非负矩阵的乘积。

原矩阵V中的一列向量可以解释为对左矩阵W中所有列向量(称为基向量)的加权和，而权重系数为右矩阵H中对应列向量中的元素。这种基于基向量组合的表示形式具有很直观的语义解释，它反映了人类思维中“局部构成整体”的概念。
个人感性的理解见下
左边的V是所有图像的合集，每一列都是一副图像的按列展开，每副图像中的每一个点都是由各个特征分量中的对应点加权而成。具体在公式上理解就是如上图第二行第4列的三角形是Wk的第二行与H的第四列点积而成，而Wk每一列都是一副特征图像，所以原图的每一个对应点都是所有特征图像中的对应像素点加权而成。总体来理解就是V中每一列（即每一张原图）都可以由Wk的每一列（即特征图像）加权二成。

学习时受到以下博客的一些启发下，加入了一些个人理解。大家感兴趣的可以去原博客学习，讲的更为详细。https://www.jianshu.com/p/c42be1f64472。侵删