sklearn PCA

一、基本原理
Given m data points in n-dimensions, find p <= n
principal components that can be best used to generate the
transformed data
Data processing:

还原数据：
Snew=Sorg * P.transpose() * P +u

此处，Sorg为原始数据，u为原始数据均值。

一般对Snew还可以进行白化变换，降低不同特征之间的关联性，白化变换就是对每个特征进行方差归一化。

二、sklearn 中使用pca

pca=PCA(n_components=6)
newData=pca.fit_transform(train_faces)
print newData.