← 返回卡片

原书出处

数据科学工程实践 用户行为分析与建模、AB实验、SQLFlow

05 第5章 行为规律的发现与挖掘 5.3 对无序稀疏数据的规律分析

核验版本的摘录快照 · 导入于 2026-11-14T09:43:22.279Z

此外,NMF的非负性约束使得分解结果具有一定的稀疏性。上文提到,由于只存在相加组合,NMF学到的是局部结构表达,如在人脸识别中,每一张人脸图像(V矩阵的每一列)被近似表示为眼睛、鼻子、嘴巴等局部特征(基矩阵W中的所有列)的线性组合。局部特征本身是稀疏的,且对于每一张人脸图像,并不一定用到所有的局部表达,因此NMF分解后的图像表达是一种稀疏的编码方式。

此预览只包含定位所需的摘录和上下文。

原书定位详情

来源:a19c7933-4eda-4176-aebd-30fe7e1ad292

正文位置:extracted/数据科学工程实践 用户行为分析与建模、AB实验、SQLFlow/_epub-src/OEBPS/Text/part0029.xhtml

EPUB SHA-256:b9d74c3cb9a87547f425283a2273004c2d73de2c2b50ebf97c2ab3336ae5d102