第一步：下載pca_exercise.zip，里面包含有圖像數據144*10000，每一列代表一幅12*12的圖像塊，首先隨見展示200幅：
第二步：0均值處理，確保數據均值為0或者接近0
第三步：執行PCA，將原始數據映射到不同的特征向量方向上去
第四步：驗證上面PCA計算出來結果是否正確，若果正確的話，映射后的數據的協方差就是一個對角矩陣，將這個對角矩陣可視化以后，可以看到矩形圖中一條有顏色不同於背景色的對角線：
第五步：找出到底取前多少個主元合適，這里使用指標是需要保留至少99%方差值
第六步：降維，根據上一步確定的需要保留的主元數目，對數據降維
上面兩幅圖：左邊是PCA降維后的數據，右邊是原始數據，視覺上可以看出，除了亮度有點區別，其他地方差別很小。
第七步：加入正則化項
對數據進行PCA和白化處理后的數據的協方差矩陣的對角元素都等於1，但是加入正則化參數后，所有對角元素都小於1：
上面兩幅圖：左面是加入了正則化參數，右邊是沒有正則化
第八步：ZCA白化：
上面的兩幅圖：左邊是ZCA白化處理后的數據，右邊是原始數據，可以看出邊緣更加突出。