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_