sklearn-降维-非负矩阵分解（NMF）

原理

非负矩阵分解是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。
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。
$V_{n*m}=W_{n*k}*H_{k*m}$
####公式解析

• W矩阵：基础图像矩阵，相当于从原矩阵中抽取出来的特征
• H矩阵:系数矩阵
• NMF能够广泛应用于图像分析。文本挖掘和语音处理等领域。
•