环境：python3.6
数据集下载地址：http://yann.lecun.com/exdb/mnist/
从官网下载Mnist数据集放入项目目录mnistData中
打开train.py，如果是第一次运行，需要将 rewrite置为True，读取原始的二进制文件并保存。 利用selectClass设置选择的分类类别，本程序支持二分类与多分类问题 利用numOfPC设置pca降维的维数， 运行train.py，完成模型的训练 运行main.py，如果是第一次运行，需要将 rewrite置为True，读取原始的二进制Mnist文件并保存。 设置完成后，运行，即可保存训练完成的模型。
运行完train.py后，训练时设置的参数将会保存至modleData的pickle文件中 直接运行test.py即可读取配置并得到各方法以及各类的分类准确率。
工具支持包 displayImg：数据可视化，将numpy数据转化为图像并展示
loadRawToNpy：数据预处理，将二进制的训练集文件进行读取并转化为Npy文件，方便训练读取
dataSelect：筛选需要分类的类别样本
accuracyDisplay：将各类别的分类准确率进行打印输出
数据训练程序
ldfMethodsTrain：正则化的ldf训练函数
ldfPcaMethodsTrain：pca降维的ldf训练函数
qdfMethodsTrain：正则化的qdf训练函数，但实验中发现，其协方差的行列式在正则化后趋于0，导致其对数趋于无穷，因此该方法仅作展示思路，并不运行。
qdfPcaMethodsTrain：pca降维的qdf训练函数
数据测试程序
ldfMethodsTest：正则化的ldf测试函数
ldfPcaMethodsTest：pca降维的ldf测试函数
qdfMethodsTest：正则化的qdf测试函数，但实验中发现，其协方差的行列式在正则化后趋于0，导致其对数趋于无穷，因此该方法仅作展示思路，并不运行。
qdfPcaMethodsTest：pca降维的qdf测试函数
Mnist数据集存放文件夹
训练完成的模型存放文件夹