基本原理:NMF(Non-negative matrix factorization,非负矩阵分解),即对于任意给定的一个非负矩阵V,其能够寻找到一个非负矩阵W和一个非负矩阵H,满足条件V=W*H,从而将一个非负的矩阵分解为左右两个非负矩阵的乘积。 NMF算法是机器学习中一种比较新的聚类分析算法。 关键在于对原始矩阵进行降维处理,获得数据特征的...
使用NMF算法进行样本分类的目标在于，通过分析TCGA数据库中的样本，确定与预后紧密相关的基因，进而获取所有肿瘤样本的表达矩阵。基于这些基因的表达情况，对肿瘤样本进行分类。NMF算法是一种相对新颖的聚类分析方法，其核心原理是将一个非负矩阵分解为两个非负矩阵的乘积，以此实现对数据的降维处理并获取特征...