資料預處理

零中心化指的是令處理後的資料均值為0的過程。從數學上說就是令每乙個維度的資料減去該維度上資料的均值。如果在影象領域，一般有兩種處理方法，1）可以將三通道的畫素值減去整幅影象的均值.2）也可以三通道的畫素值分別減去各自通道的均值。零中心化無論在機器學習領域還是卷積神經網路方面都非常重要。

歸一化指的是令資料的所有維度的取值範圍近似相等的過程。從數學上說，就是將零中心化的資料再除以標準差的過程。這一點在機器學習領域很重要，但是在影象處理領域沒必要，因為所有畫素的取值範圍都是[0

,255]

關於這部分的理解，可以模擬將普通正態分佈的資料 n~(μ，σ^2)轉換為標準正態分佈n~(0，1)的過程

pca又叫主成分分析，顧名思義，將資料中重要維度的特徵留下，不重要的特徵去掉。它主要是通過對協方差矩陣的奇異值分解實現，將原始資料與經過奇異值分解後的列特徵向量相乘就可以得到原始資料的主成分。可以通過控制列特徵向量u的維數m來決定提取前m個重要的特徵。

白化是指對提取了主成分的資料，進行歸一化操作。用數學表示為將提取了主成分的資料除以特徵值，而這裡特徵值可以表示為奇異值分解協方差矩陣中的特徵值s的開方

在實際中，所有的預處理操作的取均值等只能由訓練資料得到，這點必須注意，因為測試資料是不可知的，當然無法拿到均值等資訊。