一、概述

        我们将使用代码（Python/Numpy 等）进行编码，以更好的理解从数据预处理的基础知识到深度学习中使用到的技术。

        将从数据科学和机器学习/深度学习中基本但非常有用的概念开始，例如方差和协方差矩阵，我们将进一步介绍一些用于将图像输入神经网络的预处理技术。使用具体代码了解每个方程的作用！

        在将原始数据输入机器学习或深度学习算法之前，我们称其为对原始数据的所有转换进行预处理。例如，在原始图像上训练卷积神经网络可能会导致较差的分类性能。预处理对于加快训练也很重要（例如，居中和缩放技术等）。

二、方差和协方差

        变量的方差描述了值的分布程度。协方差是一种衡量两个变量之间依赖程度的度量。正协方差意味着当第二个变量的值也很大时，第一个变量的值很大。负协方差意味着相反：一个变量的大值与另一个变量的小值相关联。协方差值取决于变量的规模，因此很难对其进行分析。可以使用更容易解释的相关系数。它只是标准化的协方差。

        协方差矩阵是一个矩阵，它集合了一组向量的方差和协方差，它可以告诉你关于变量的很多事情。对角线对应于每个向量的方差：