コード
numpy.random インポート RandomStateの＃の負荷が作成するためのランダムシードをRandomState インポートPLT AS matplotlib.pyplot から sklearn.datasets インポートfetch_olivetti_faces から sklearn インポート分解 n_col、n_row = 2 ,. 3 ＃1 画像表示時間設定の構成 n_row * n_col = n_componentsを ＃6 image_shape =（64、64）＃1 画像の顔データサイズのセット のDataSet = fetch_olivetti_faces（シャッフル=真、random_state = RandomState（0）） ＃のアレイ、二次元 ＃の印刷（データセット） 対向= dataset.data ＃1次元配列 ＃の印刷（顔） DEFの plot_gallery（タイトル、ロイヤリティーフリー、n_col = n_col、n_row = n_row）： plt.figure（figsize。=（2 * n_col、2.26 * n_row）） ＃指定した画像サイズ plt.suptitle（タイトル、サイズ= 16） ＃設定されたタイトルとフォントサイズ のための I、CoMPの中に列挙（イメージ）： plt.subplot（n_row、n_col、私は + 1）。 ＃サブグラフ作ら選択ビデオ VMAX = MAX（comp.maxを（）、 - comp.min（）） plt.imshow（comp.reshape（image_shape）、CMapの = plt.cm.gray、 補間 = ' 最も近い'、-Vmax = Vminと、値Vmax = Vmaxと）＃正規化された値、およびグレーグラフィック表示 plt.xticksは（（）） plt.yticksは（（）） ＃除去サブグラフ軸がラベル plt.subplots_adjust（0.01、0.05、0.99、 0.93、00.04、0。 ）＃1 セットサブピクチャ位置及び間隔調整 plot_gallery（" 最初のOlivettiは、顔を中心に" 、顔[：n_components]） 推定量 = [ （' 固有顔- PCA SVDを使用して無作為' 、 decomposition.PCA（n_componentsの = 6、白く= TRUE）） 、 （' 非負コンポーネント- NMF ' 、 decomposition.NMF（n_componentsする。= 6、INIT = 'nndsvda "、のTol = -5E 3。 ）） ] のための名前、推定で推定： ＃印刷（推定） を印刷（" トップの抽出％S％D ... "％（n_components、名）） を印刷（faces.shape）＃出力画像サイズ400,4096 estimator.fit（顔）＃の特徴を抽出するコールアルゴリズム components_ = estimator.components_ ＃取得した特徴抽出、二次元リスト ＃プリント（components_） plot_gallery：（名前、コンポーネント_ [n_components]）＃1 に従って固定フォーマットが配置 plt.showを（）
レンダリング：
