【sklearn】对MNIST数据集进行PCA降维与重构，可视化对比

导包

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

加载数据集

mnist = fetch_openml('mnist_784')
X, y = mnist['data'], mnist['target']
X.shape, y.shape

((70000, 784), (70000,))

原始数据集可视化

figure = plt.figure(figsize=(20, 20))
rows, cols = 8, 8
for i in range(1, rows * cols + 1):
    # 随机选数据
    # sample_idx = np.random.randint(0, len(X))
    # img, label = X.values[sample_idx].reshape(28, 28), y[sample_idx]
    # 按数据集的顺序选前几个数据
    img, label = X.values[i - 1].reshape(28, 28), y[i - 1]
    figure.add_subplot(rows, cols, i)
    plt.title(label)
    plt.axis('off')
    plt.imshow(img, cmap='gray')
plt.show()

PCA压缩数据集

pca = PCA(n_components=154) 
# pca = PCA(n_components=0.95) # 保留95%的方差，结果也是154个特征
X_reduced = pca.fit_transform(X)	# 压缩
X_recovered = pca.inverse_transform(X_reduced)	# 重构

重构后的图像

figure = plt.figure(figsize=(20, 20))
rows, cols = 8, 8
for i in range(1, rows * cols + 1):
    # 随机选数据
    # sample_idx = np.random.randint(0, len(X))
    # img, label = X.values[sample_idx].reshape(28, 28), y[sample_idx]
    # 按数据集的顺序选前几个数据
    img, label = X_recovered[i - 1].reshape(28, 28), y[i - 1]
    figure.add_subplot(rows, cols, i)
    plt.title(label)
    plt.axis('off')
    plt.imshow(img, cmap='gray')
plt.show()

可以看到图像质量略有下降，但是数字仍然大部分保持完好。