python机器学习09:特征提取

通过上面两个小节的学习，我们可以总结出一个idea，那就是有时候，我们通过对数据集原来的特征进行转换，生成新的“特征”或者成分，会比直接使用原始的特征效果好。现在我们再引入一个新的名词，称为“数据表达”。在数据集极为复杂的情况下，比如图像识别，数据表达就显得十分重要。因为图像是由成千上万个像素组成，每个像素上又有不同的RGB色彩值，所以我们要用到一个新的数据处理方法，称为“特征提取”。

1.PCA的数据白化功能用于特征提取

数据白化的定义：

什么是数据白化呢？拿我们这个例子来说，虽然每个人的脸部特征有很大差异，但如果你从相素级别观察，差距其实就没有那么大了。而且相邻的像素之间有很大相关性，这样一来，样本特征的输入就是冗余的了，白化的目的就是降低冗余性。所以白化的过程会让样本特征之间的相关性降低，且所有体征具有相同的方差。
接下来使用LFW人脸识别数据集来实验数据白化用于特征提取的功能：
1.数据集：LFW人脸识别数据集
LFW人脸识别数据集包含了若干张JPEG图片，是从网上搜集的一些名人的照片。而创建这个数据集的目的，是训练机器学习算法，看给出两个照片，算法能否判断出这两个人是否是同一个人。后来人们对机器学习又提出了更高的要求：给出一张不再数据集中的人脸照片，让机器判断这张照片是否属于该数据集中的某一个人，并且要交出他的名字。
2.了解数据集：

#导入数据集获取工具
from sklearn.datasets import fetch_lfw_people
#载入人脸数据集
faces = fetch_lfw_people(