דחיסה ושחזור

חלק מהיחידה למידה בלתי מונחית במסלול ה-Machine Learning של Coddy. שיעור 31 מתוך 51.

ציוני הרכיבים של סריקה הם כמו מתכון: מתחילים מהסריקה הממוצעת, ואז מוסיפים כל תבנית כפול הציון שלה. inverse_transform משחזרת את המתכון בחזרה ל־64 פיקסלים:

pca = PCA(n_components=10).fit(X)
codes = pca.transform(X)                # 10 מספרים לכל סריקה
rebuilt = pca.inverse_transform(codes)  # שוב 64 פיקסלים

הנה שלוש סריקות שנבנו מחדש ממספרים הולך וגדל:

0, 3 ו-5, כל אחד מהם נבנה מחדש מ-2, 5, 10 ו-20 מספרים, ואז הסריקה האמיתית. מ-2 מספרים שלושתם נראים כמו כתמים מטושטשים דומים; מ-20 כל אחד מהם ברור

מעט מספרים נותנים טשטוש סביב הספרה הממוצעת; כל רכיב נוסף משחזר פרטים. עשרים מספרים במקום 64 כבר נראים ברורים.

אתגר

בינוני

עט חכם משדר כל ספרה בתור k מספרי PCA, שנקראים על ידי התוכנית. מה אובד?

התאימו PCA עם k רכיבים על X. דחסו את כל הסריקות, ואז שחזרו אותן לתוך rebuilt.
הדפיסו את השורות שלמטה; השגיאה היא ההפרש המוחלט הממוצע מ־X.
ציירו את הסריקה החדשה ביותר, X[-1], על axs[0] ואת השחזור שלה על axs[1], שתיהן ב־gray_r. הציגו.

עבור 7:

Sent: 7 numbers per scan instead of 64
Average pixel error: 1.739

והוא מצייר את זה. לאחר מכן Coddy מתאר את הלוחות שלך:

שתי תמונות בגודל 8 על 8 זו לצד זו: הסריקה החדשה ביותר של העט, 8, והשחזור שלה מ־7 מספרים, 8 מטושטשת יותר

נסו בעצמכם

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

# 1,797 סריקות של 64 פיקסלים; הסריקה העדכנית ביותר של העט נמצאת בשורה האחרונה
digits = load_digits()
X = digits.data
k = int(input())

# אל תשנו את השורות שלמטה
fig, axs = plt.subplots(1, 2)
axs[0].set_title("Scan")
axs[1].set_title(f"Rebuilt from {k} numbers")

# כתבו את הקוד שלכם למטה