机器学习之PCA实战（图像压缩还原）

PCA是机器学习的入门算法之一，涉及到线性代数中矩阵的相关知识，基础理论比较多，主要涉及到奇异值分解。基础理论这里不多说了，大家可以去以下博客学习，用例子说明是最轻松的理解过程。
主成分分析原理详解：https://blog.csdn.net/program_developer/article/details/80632779
这篇文章从基向量变换的方向说明降维，更加直白理解pca:https://blog.csdn.net/shizhixin/article/details/51181379
如果你看完了上面的pca基础理论，并且学习了一些小基础，想找个练手的例子，那么来这里看就对了。
第一个例子，自己写pca函数实现图像的降维。这里是对图像的列进行降维，即宽度上进行压缩。
网上找的喵主子是这样的：
首先我们用载入函数将它转换成灰度图像

def loadImage(path):
    img = Image.open(path)
    # 将图像转换成灰度图
    img = img.convert("L")
    # 图像的大小在size中是（宽，高）
    # 所以width取size的第一个值，height