1回答

liuyubobobo

2022-08-10

首先，PCA 拥有将降维后的特征点还原为高维数据的能力。但这并不代表你一定要做这个还原，只是，你想还原的时候，你能够还原。

其次，你可能对这一小节的内容理解有问题，甚至是对 PCA 的理解都有问题。

降噪和降维不是一个意思。给你一段 10 min 的包含噪音的音频，对她做降噪处理之后，这段音频还是应该有 10 min，而不是只剩下 1 min 了。同理，一个包含噪音的图像，再做降噪处理以后，这个图像的解析度应该是不变的。（甚至可能是上升的。）一个1024*768 的图片，降噪处理后如果只剩下一个像素，那么这个降噪没有意义。

PCA 知识可以使用降维的方式，来完成降噪而已。而完成的方式，恰恰就是，先降维，再恢复。恢复以后的数据，噪音减少了。

因此，就产生了另外一个问题，非常重要的：PCA 的 transform 以后，再做 reverse_transform，数据点不是变回了原样。这一小节的实验使用可视化的方式说明了这一点：https://git.imooc.com/coding-169/coding-169/src/master/07-PCA-and-Gradient-Ascent/08-PCA-for-Noise-Reduction/08-PCA-for-Noise-Reduction.ipynb

无论是 In[5] 还是 In[12]，都和原始数据不一样了。你也可以在使用小数据自己测试一下，无论是使用类似的可视化的方式，还是具体看数据到底是什么，看看是否不一样了。

继续加油！：）

0

3

NLPLearner

回复

liuyubobobo

好的谢谢老师，理解了！

2022-08-13

共3条回复