如何使用sklearn中的非负矩阵分解法提取特征

 时间:2026-04-21 20:18:20

1、step1:打开编译环境,导入相关工具包

(matplotlib数据可视化,fetch_olivetti_faces人脸数据集,NMF、PCA降维算法)

如何使用sklearn中的非负矩阵分解法提取特征

2、step2:加载人脸数据集,该数据集一共400张图片每张图片大小64*64,对其进行转置变成4096*400

如何使用sklearn中的非负矩阵分解法提取特征

3、step3:先查看一下,原数据集的人脸图片

如何使用sklearn中的非负矩阵分解法提取特征

4、step4:加载降维算法进行特征提取

如何使用sklearn中的非负矩阵分解法提取特征

5、step5:将两种算法的结果以图片形式展示出来

如何使用sklearn中的非负矩阵分解法提取特征

6、step6:分别观察两种算法的结果差异

可以看到NMF相比于PCA来说效果更好,NMF在图像特征提取方面也比较常用

如何使用sklearn中的非负矩阵分解法提取特征

  • 如何在阿里云服务器centos 7上安装Apache
  • 怎样掌握去九寨沟的交通
  • 改装永久c自行车
  • python3.7读取配置文件连接mysql数据库
  • axi总线协议的理解
  • 热门搜索
    排骨汤怎么炖最好喝 上火怎么办 床笠的做法 苹果手机怎么换铃声 小米粥怎么煮好吃又营养 离职证明怎么开 为什么会秃顶 太监是怎么排尿 小米粥怎么煮 除数和被除数怎么区分