数据降维笔记——非负矩阵分解(NMF),人脸数据特征提取

本文探讨了使用非负矩阵分解(NMF)进行数据降维的技术,特别是在人脸特征提取中的应用。通过调整n_components参数来控制降维后的维度,并讨论了不同的初始化方法对结果的影响。
摘要由CSDN通过智能技术生成
数据降维——非负矩阵分解(NMF)

一、原理
Non-negative Matrix Factorization,实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。

NMF能够广泛应用于图像分析、文本挖掘和语音处理等领域。

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(FN)=W
  • 4
    点赞
  • 22
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
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