编写一个非负矩阵分解代码

好的，以下是一个简单的非负矩阵分解（NMF）的Python代码实现：

import numpy as np
from sklearn.decomposition import NMF

# 生成一个3x3的随机矩阵
X = np.random.rand(3, 3)

# 定义NMF模型，设置分解后的矩阵维度为2，使用乘法更新规则，使用均方误差损失函数
model = NMF(n_components=2, init='random', solver='mu', max_iter=1000, alpha=0.01, l1_ratio=0.5)

# 训练模型
W = model.fit_transform(X)
H = model.components_

# 输出分解后的矩阵
print("原始矩阵：\n", X)
print("分解后的矩阵W：\n", W)
print("分解后的矩阵H：\n", H)
print("重构矩阵：\n", np.dot(W, H))

这段代码使用了scikit-learn中的NMF类来实现非负矩阵分解，具体步骤如下：

1. 生成一个3x3的随机矩阵X；
2. 定义NMF模型，设置分解后的矩阵维度为2，使用乘法更新规则，使用均方误差损失函数；
3. 训练模型，得到分解后的矩阵W和H；
4. 输出分解后的矩阵以及重构矩阵。

需要注意的是，NMF的分解结果不是唯一的，因此每次运行代码得到的分解结果可能会有所不同。