科研有捷径，输入代码，一键获取科研成果！就是这么省事，来具体看下有多方便！

搜索http://985.so/a9kb查看全部代码（目前共计50+持续新增中），也可以点击右侧【目录】，可以看到更多有趣的代码~

真香提示：文末可以知道如何获取代码~ 

NMF介绍：

非负矩阵分解 (Nonnegative Matrix Factorizatio，NMF) 是一种无监督学习技术，已成功应用于多个领域，包括信号处理、人脸识别和文本挖掘。 NMF 在生物信息学中的最新应用已证明其能够从高维数据（如基因表达微阵列）中提取有意义的信息。

使用非负矩阵分解 (NMF)，一种基于部分分解的算法，可以将表达数据的维度从数千个基因减少到少数元基因。 结合模型选举机制，适用于任何随机聚类算法，NMF 是识别不同分子模式的有效方法，并为聚类发现提供了强大的方法。

分析目的：

使用NMF算法进行样本分型并实现类似下图。

场景需求：

基于R语言利用NMF(非负矩阵分解)对肿瘤样本进行分型。

算法介绍：

Nonnegative Matrix Factorizatio算法：

结果展示：

通过本文中代码的学习，可以获得将样本进行分型，得到以下图表结果：

1.        所需R包的安装及示例数据

2.        计算最佳rank。rank=2:7（rank在2-7之间）

3.        输出判断rank数的图片

4.        元基因表达谱矩阵的热图

5.      查看并保存分类结果

扫码，聊天框回复“B06”，查看原文，可以免费获取代码！