#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_