面向人脸的Python-scikit回归PCA

Question

我有一个数据集，上面有表情快乐的表情。每个图像都有一个百分比（整数值）表示脸部的快乐程度，范围为0-100%（0表示中性，100表示最大幸福度）。我想在这上面应用PCA来减少维数，以便以后应用机器学习，但是我想知道我应该如何处理这个问题。在

我目前的代码：

import os
import cv2
import numpy as np
from sklearn.decomposition import PCA

folder = os.path.join('..','data','diff_face_s')


#Holds per emotion the data
class diffPCA():
    def __init__(self, emo):
        self.emo = emo
        self.data = np.empty([1,270,270], dtype=np.uint8)
        self.pers = [0]
        self.perc = [0]
        #PCA
        self.pca = PCA(n_components = 2)

    #Add flattened image    
    def process(self, img, pers, perc):
        #img: diff_face, pers: person, perc: percentage
        img_raw = cv2.imread(os.path.join(folder, img), 0)
        img_flat = img_raw.flatten()
        self.data = np.vstack(img_flat)
        self.pers.append(pers)
        self.perc.append(perc)

    def doPCA(self):
        self.pca.fit(self.data)

    def printPCA(self):
        print(self.pca.explained_variance_ratio_)


#Emotions
happy = diffPCA(1)

for img in os.listdir(folder):
    print(img)
    #name
    #perc
    #pers
    #if name starts with 1:
    happy.process(img, perc, pers)

happy.doPCA()
happy.printPCA()

问题：

基于百分比的图像降维的最佳方法是什么？我能列出一个目标清单吗？我有100节课吗（每百分之一）？在

Answer 1

This example from the gallery可能有助于了解如何进行。在