主成分分析與白化是在做深度學習訓練時最常見的兩種預處理的方法，主成分分析是一種我們用的很多的降維的一種手段，通過PCA降維，我們能夠有效的降低資料的維度，加快運算速度。而白化就是為了使得每個特徵能有同樣的方差，降低相鄰畫素的相關性。

主成分分析PCA

第一步：首先我們需要獲取旋轉矩陣U，為了實現這一目的，我們使用MATLAB裡面的SVD函式：

u = zeros(size(x, 1)); % You need to compute this
[n,m]=size(x)
sigma=(x*(x'))/m;
[u,s,v]=svd(sigma);

我們把旋轉矩陣的向量，第一個向量和第二個向量顯示出來

可以看到，U的兩列分別代表著在資料集的各個方向，第一列是從左下到右上，第二列的是左上到右下的那一條。

xRot = zeros(size(x)); % You need to compute this
xRot=u'*x;

將旋轉矩陣的轉置與x相乘得到旋轉後的矩陣。

第二步降維：第一列代表著整個資料的主方向，因此我們可以用第一列的轉置與x相乘來將資料對映到一維。對於這個一維的資料，在用第一列與之相乘，即可得到降維之後的結果。

xHat = zeros(size(x)); % You need to compute this
xHat=(u(:,1:k))*(u(:,1:k)')*x;

白化

白話的左右