day 8.2 PCA重要接口 inverse_transform

from sklearn.datasets import fetch_lfw_people
from sklearn.decomposition import PCA
import matplotlib.pyplot as plt
import numpy as np

# 導數據
faces = fetch_lfw_people(min_faces_per_person=60)  # 每個人取出60張圖
x = faces.data  # 特徵矩陣
# print(faces.data.shape)  # (1348,2914)
# print(faces.images.shape)  # (1348, 62, 47) 矩陣中圖像的個數，每個圖像行，列

# 降維
pca = PCA(150)  # 實例化
X_dr = pca.fit_transform(x)  # 擬合+提取結果
# print(X_dr.shape)

x_inverse = pca.inverse_transform(X_dr)
# print(x_inverse.shape)   # 成功還原
#                           期待x_inverse應該和原數據有相同的結果，
#                           如果相同，可以認定inverse_transform實行降維過程逆轉

# 將他可視化一下看是否一樣
fig, ax = plt.subplots(2, 10,
                       subplot_kw={"xticks": [], "yticks": []}
                       )

for i in range(10):
    ax[0, i].imshow(faces.images[i, :, :], cmap="binary_r")
    ax[1, i].imshow(x_inverse[i].reshape(62, 47), cmap="binary_r")
plt.show()

# 結論 inverse_transform並沒有實現降維之後的逆轉，
# 降維是不可逆的，原數據被捨棄的信息也不可能再回來了