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

# 导数据
faces = fetch_lfw_people(min_faces_per_person=60)  # 每个人取出60张图
x = faces.data  # 特征矩阵
# print(faces.data.shape)  # (1348,2914)
# print(faces.images.shape)  # (1348, 62, 47) 矩阵中图像的个数，每个图像行，列

# 降维
pca = PCA(150)  # 实例化
X_dr = pca.fit_transform(x)  # 拟合+提取结果
# print(X_dr.shape)

x_inverse = pca.inverse_transform(X_dr)
# print(x_inverse.shape)   # 成功还原
#                           期待x_inverse应该和原数据有相同的结果，
#                           如果相同，可以认定inverse_transform实行降维过程逆转

# 将他可视化一下看是否一样
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()

# 结论 inverse_transform并没有实现降维之后的逆转，
# 降维是不可逆的，原数据被舍弃的信息也不可能再回来了