我有一个数据集，包含了显示快乐情绪的人脸。每张图片都有一个表示脸部快乐程度的百分比（整数值），范围从0-100%（0表示中性，100表示最大快乐）。我想对这些数据应用主成分分析（PCA）来降低维度，以便后续应用机器学习，但我不知道该如何着手。

我目前的代码如下：

import osimport cv2import numpy as npfrom sklearn.decomposition import PCAfolder = os.path.join('..','data','diff_face_s')#Holds per emotion the dataclass 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_)#Emotionshappy = 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，降低图像维度的最佳方法是什么？我可以直接创建一个包含百分比的目标列表吗？我是否有100个类别（每个百分比一个）？

回答：

这个示例可能有助于了解如何进行操作。