【机器学习】人像分类（一）——过程总结

　　这个问题其实是上学期某门课的大作业的三个题目之一。公布题目后我就对这个内容很感兴趣，然而由于种种原因，和队友商量之后仍然选择了看起来最简单的句子分类，对此我不无遗憾。
　　这个寒假里计划要干的事情其实有很多，完成这个项目是其中之一；对CS的热门方向——如机器学习等听起来神乎其神的领域——有所了解也在ToDo-List上。据说最好的学习方式是learning in projects，不如趁此机会巩固一下python。

问题描述

　　给定一组内容是两个人在不同光线条件、不同表情下拍摄的面部照片，将照片按照人物分成两类。
　　
输入：
　　10个2016维的向量。每张照片有2016个“像素点”，输入数据对应着10张照片的灰度图。
　　
输出：
　　属于人物1的照片编号，和属于人物2的照片编号。

过程

1. 处理输入

   　　由于PCA有现成的库，K-Means聚类的过程也相对清晰，因此处理输入数据相关事宜的耗时可能要占去1/3。
   　　最为智障的是，一开始我以为input.txt中第i * 2016 ~ ((i + 1) * 2016 - 1)个数是第一幅图的灰度值，聚类聚了半天却发现怎么都不对，场面一度十分尴尬；直到发现灰度图也无法还原，我才意识到可能文件中每一列是一幅图片的灰度向量……
   　　

2. PCA降维
   　　因为没有学过高等代数，所以这部分我一直寄希望于现成的库。对于PCA的数学原理，