线性回归实现人脸识别——ORL数据集

今天写一个比较简单的机器学习例子
使用线性回归实现人脸识别
使用的数据集是ORL数据集

算法描述

输入：图片矩阵img，标签信息label，测试图片test

对每一个类：
第一步：从图片矩阵中读出来一类图片，划分为训练集（X）与测试集（y）
第二步：计算w

第三步：计算预测图片

第四步：计算出dis即预测图片与真实图片之间的误差，并将误差存储起来

对于每一个测试图片test，找到最小dis对应的标签label，label对test的分类

使用二折交叉验证，将原油数据集划分为两部分X1，X2；第一次将X1作为训练集，X2作为测试集；第二次将X2作为训练集，X1作为测试集。

数据集

ORL人脸数据集
使用的是：ORL_32_32.mat
使用scipy直接读取，里面包含两个矩阵，第一个矩阵是人脸的数据，第二个矩阵是标签

实验环境

python 3.6
macOS 10.12

上代码

比较简单就直接放代码了
注释也比较详细

使用二折交叉验证，我直接把二折写死了，如果是n折的话，可以用循环去写。
二折的思路比较简单：第一次选取每一类前五张照片做训练集，后五张照片做测试集，第二次选取每一类前五张照片做测试集，后五张照片做训练集。

import scipy.io as sio
import random
import numpy as np

#使用scipy读取mat文件
mat=sio.loadmat('ORL_32_32.mat')
img=mat[