降维在模型训练中的作用(降维模型)

导语：mooc机器学习第四天-降维NMF

1.介绍

2.代码

import matplotlib.pyplot as pltfrom numpy.random import RandomStatefrom sklearn.datasets import fetch_olivetti_facesfrom sklearn import decomposition re=RandomState(0) 六组特征数据以i+1的方式选择子图        vmax=max(comp.max(),-comp.min()) 39;nearest&数值归一化,double类型,(uint8 0-255) 以灰度显示         plt.xticks(())两种方法对比estimators=[    (&39;,     decomposition.PCA(n_components=6,whiten=True)),    (&39;,     decomposition.NMF(n_components=6,init=&39;,tol=5e-3))] 34;Extracting the top %d %s...&导数据fit    投影方向向量    前六维数据    plot_gallery(name, components_[:n_components]) plt.show()

有幸有机会我能了解学习到其中些微知识原理，也很是开心；好比游览河山，越过曲水蜿蜒，感悟得到的不少，分享给你们～

本文内容由快快网络小涵整理编辑！