本文通过使用scikit-learn的PCA对Yale人脸数据集进行降维，展示了PCA在图像处理中的效果。随着特征向量数量的增加，图像逐渐清晰，方差占比增大，表明PCA在高维图像降维中有显著效果。
10.6 试使用MATLAB中的PCA 函数对Yale人脸数据集进行降维，并观察前20个特征向量所对应的图像。
为了便于练习，未使用MATLAB，而是用了scikit-learn.decomposition模块下的PCA进行练习。书上给的Yale人脸数据集访问有点慢（貌似被墙了），我重新上传了一份到百度云（点此下载）。数据集共有样本166个，每张图像的分辨率为320*243（用numpy的shape是倒过来的）。由于图片较多，只选取了几张的PCA（k=20,50,150）的效果进行了展示，具体代码与结果如下，(PCA相关函数的帮助请参考scikit-learn PCA官方文档)。
由图可见，选取PCA的特征束越多，图像越清晰、明显，而在特征数不足时，会出现大量阴影轮廓，而我们可以用pca.explained_variance_ratio_来查看当前选择的最大k个特征向量的方差占比，方差占比越
最低0.47元/天 解锁文章
5740
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
