nmf降维python

在Python中使用NMF（非负矩阵分解）进行降维的步骤如下：

1. 导入所需的库，如sklearn、numpy等。
2. 准备数据集，将其存储在一个矩阵中。
3. 对数据进行归一化，使得所有的特征都在相同的尺度上。
4. 使用sklearn中的NMF模型进行降维，并指定要降至的目标维度。
5. 将数据集投影到新的低维空间中，得到降维后的数据集。

下面是一个使用NMF进行降维的示例代码：

from sklearn.decomposition import NMF
import numpy as np

# 准备数据
X = np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9], [10, 11, 12]])

# 归一化
X = X / np.max(X)

# NMF降维
model = NMF(n_components=2, init='random', random_state=0)
X_nmf = model.fit_transform(X)

print(X_nmf)

这段代码将一个4行3列的矩阵进行了降维，将其降至2维。最终输出的结果是一个4行2列的矩阵，表示降维后的数据集。