Projeter les données et reconstruire les caractéristiques à partir des composantes
Vous transformerez un jeu de données dans l’espace des composantes principales, visualiserez la projection en 2D et reconstruirez les caractéristiques d’origine afin de quantifier la perte d’information.
Projeter les données et reconstruire les caractéristiques à partir des composantes est une leçon Machine Learning Academy gratuite sur CoddyKit. Ceci est la leçon 2 sur 4. Tu peux lire la leçon complète ci-dessous gratuitement — puis la pratiquer en direct dans le navigateur avec un éditeur de code intégré et un tuteur IA 24/7. Elle fait partie du parcours d'apprentissage Machine Learning Academy, et ta progression se synchronise sur le web et l'application CoddyKit. Le cours Machine Learning Academy comprend 4 leçons au total.
Certaines parties de cette leçon n'ont pas encore été traduites et s'affichent en anglais.
Projection: From High-D to Low-D
After PCA finds the principal components, projection transforms each data point into the new component space. The projected coordinates are called scores. If you keep only 2 components from 64 original features, each 64-dimensional point becomes a 2-dimensional score. This is achieved by multiplying the centred data matrix by the matrix of eigenvectors (the loadings matrix).
The transform Method in sklearn
In scikit-learn, pca.fit(X) learns the components and pca.transform(X) projects the data. The convenience method pca.fit_transform(X) does both in one call. The result is a matrix of shape (n_samples, n_components) — each row is a point in the reduced space.
from sklearn.decomposition import PCA
from sklearn.preprocessing import StandardScaler
from sklearn.datasets import load_digits
X, y = load_digits(return_X_y=True) # 1797 x 64
X_scaled = StandardScaler().fit_transform(X)
pca = PCA(n_components=10)
X_reduced = pca.fit_transform(X_scaled)
print('Original shape:', X_scaled.shape)
print('Reduced shape:', X_reduced.shape)
print('Variance retained:', pca.explained_variance_ratio_.sum().round(4))Visualising the 2D Projection
Projecting to 2 components gives a scatter plot where class separation is often visible even though labels were never used during PCA. This is an important exploratory tool: if classes are well-separated in 2D PCA space, a simple linear classifier may perform well in the full-dimensional space.
import matplotlib.pyplot as plt
from sklearn.decomposition import PCA
from sklearn.preprocessing import StandardScaler
from sklearn.datasets import load_digits
X, y = load_digits(return_X_y=True)
X_scaled = StandardScaler().fit_transform(X)
pca2 = PCA(n_components=2)
X_2d = pca2.fit_transform(X_scaled)
plt.figure(figsize=(8, 6))
for digit in range(10):
mask = y == digit
plt.scatter(X_2d[mask, 0], X_2d[mask, 1], label=str(digit), s=10, alpha=0.6)
plt.legend(title='Digit', bbox_to_anchor=(1, 1))
plt.title('MNIST digits in 2D PCA space')
plt.tight_layout()
plt.show()Reconstruction: Going Back to Original Space
Reconstruction reverses the projection: multiply the reduced scores by the transpose of the loadings matrix and add back the mean. The result is an approximation of the original data in the original feature space. Perfect reconstruction is only possible if you kept all components; retaining fewer introduces reconstruction error.
from sklearn.decomposition import PCA
from sklearn.preprocessing import StandardScaler
from sklearn.datasets import load_digits
import numpy as np
X, _ = load_digits(return_X_y=True)
X_scaled = StandardScaler().fit_transform(X)
pca = PCA(n_components=20)
X_reduced = pca.fit_transform(X_scaled)
# Reconstruct back to 64 dimensions
X_reconstructed = pca.inverse_transform(X_reduced)
print('Reconstruction shape:', X_reconstructed.shape)
# Mean squared reconstruction error
mse = np.mean((X_scaled - X_reconstructed) ** 2)
print(f'MSE: {mse:.4f}')Visualising Reconstruction Quality
For image data, you can plot original and reconstructed images side by side. With more components retained, the reconstruction looks sharper. With very few components, digits become blurry blobs. This visual comparison is a powerful communication tool for showing stakeholders the trade-off between compression and information loss.
import matplotlib.pyplot as plt
from sklearn.decomposition import PCA
from sklearn.preprocessing import StandardScaler
from sklearn.datasets import load_digits
X, _ = load_digits(return_X_y=True)
X_scaled = StandardScaler().fit_transform(X)
fig, axes = plt.subplots(3, 5, figsize=(12, 7))
component_counts = [1, 2, 5, 10, 30]
for col, nc in enumerate(component_counts):
pca = PCA(n_components=nc)
X_r = pca.inverse_transform(pca.fit_transform(X_scaled))
# Un-standardise for display (approximate)
axes[0, col].imshow(X[0].reshape(8, 8), cmap='gray')
axes[0, col].set_title(f'Original' if col == 0 else '')
axes[1, col].imshow(X_r[0].reshape(8, 8), cmap='gray')
axes[1, col].set_title(f'n={nc}')
plt.tight_layout()
plt.show()Reconstruction Error vs Number of Components
Plot reconstruction MSE against the number of components to see the information-loss curve. This is the quantitative version of the visual comparison. A sharp decrease in MSE as you add the first few components mirrors the scree plot, confirming that most information lives in a small subspace.
import matplotlib.pyplot as plt
from sklearn.decomposition import PCA
from sklearn.preprocessing import StandardScaler
from sklearn.datasets import load_digits
import numpy as np
X, _ = load_digits(return_X_y=True)
X_scaled = StandardScaler().fit_transform(X)
components = [1, 2, 5, 10, 20, 30, 40, 50, 64]
mse_values = []
for nc in components:
pca = PCA(n_components=nc)
X_r = pca.inverse_transform(pca.fit_transform(X_scaled))
mse_values.append(np.mean((X_scaled - X_r) ** 2))
plt.plot(components, mse_values, marker='o')
plt.xlabel('Number of components')
plt.ylabel('Reconstruction MSE')
plt.title('Information Loss vs Compression')
plt.show()Interpretting Reconstruction Error
At zero components, reconstruction error equals the total variance of the data. At full components, error is zero. The ratio 1 - explained_variance_ratio.sum() tells you the fraction of variance discarded. For most practical ML pipelines, keeping 95–99% of variance (and discarding 1–5%) loses very little predictive signal while significantly reducing feature count and training time.
from sklearn.decomposition import PCA
from sklearn.preprocessing import StandardScaler
from sklearn.datasets import load_digits
X, _ = load_digits(return_X_y=True)
X_scaled = StandardScaler().fit_transform(X)
for nc in [5, 10, 20, 30, 40]:
pca = PCA(n_components=nc)
pca.fit(X_scaled)
retained = pca.explained_variance_ratio_.sum()
print(f'n_components={nc:2d} retained={retained:.3f} discarded={1-retained:.3f}')Using inverse_transform in Practice
pca.inverse_transform(X_reduced) is a method on the fitted PCA object. It returns the data in the original feature space but with the information from discarded components zeroed out. This is useful for anomaly detection: reconstruct training data and flag points with high reconstruction error as outliers that the PCA model could not represent well.
from sklearn.decomposition import PCA
from sklearn.preprocessing import StandardScaler
import numpy as np
# Simulated normal vs anomalous points
X_normal = np.random.randn(100, 10)
X_anomaly = np.random.randn(5, 10) * 10 # far from origin
X_all = np.vstack([X_normal, X_anomaly])
X_scaled = StandardScaler().fit_transform(X_all)
pca = PCA(n_components=5)
X_r = pca.inverse_transform(pca.fit_transform(X_scaled))
errors = np.mean((X_scaled - X_r) ** 2, axis=1)
print('Max error index:', np.argmax(errors), '(anomalies start at index 100)')Whitening: Decorrelated Components with Unit Variance
Setting PCA(whiten=True) scales the projected scores so each component has unit variance. This removes correlations between components and can improve the performance of algorithms like SVMs or neural networks that are sensitive to feature scale. Whitening is standard preprocessing before training on PCA-reduced features.
from sklearn.decomposition import PCA
from sklearn.datasets import load_iris
from sklearn.preprocessing import StandardScaler
import numpy as np
X, _ = load_iris(return_X_y=True)
X_scaled = StandardScaler().fit_transform(X)
pca_white = PCA(n_components=3, whiten=True)
X_w = pca_white.fit_transform(X_scaled)
print('Component variances (should be 1.0):', np.var(X_w, axis=0).round(4))PCA Limitations on Non-Linear Data
PCA finds only linear projections. If data lies on a curved surface — like a Swiss roll — PCA projects onto a flat plane, destroying the manifold structure. In such cases, consider Kernel PCA with an RBF kernel or non-linear alternatives like t-SNE or UMAP for exploration. For model preprocessing, however, linear PCA is usually sufficient and much faster.
Project and Reconstruct: Complete Workflow
A clean PCA pipeline always follows the same pattern: standardise, fit PCA on training data, transform train and test separately, optionally reconstruct to inspect quality.
from sklearn.decomposition import PCA
from sklearn.preprocessing import StandardScaler
from sklearn.model_selection import train_test_split
from sklearn.datasets import load_digits
import numpy as np
X, y = load_digits(return_X_y=True)
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=0)
scaler = StandardScaler()
X_train_s = scaler.fit_transform(X_train)
X_test_s = scaler.transform(X_test) # use train scaler
pca = PCA(n_components=0.95)
X_train_r = pca.fit_transform(X_train_s) # fit only on train
X_test_r = pca.transform(X_test_s) # transform test
print(f'Reduced: {X_train_r.shape[1]} components from 64 features')Quick Check
Test your understanding of PCA projection and reconstruction from this lesson.
Lesson Recap
In this lesson you learned: pca.transform projects data into component space with shape (n_samples, n_components), pca.inverse_transform reconstructs data in original feature space with information from discarded components lost, and reconstruction error quantifies information loss and can flag anomalies. Next up we explore t-SNE — a non-linear technique for 2D visualisation of high-dimensional data.
Questions Fréquemment Posées
La leçon « Projeter les données et reconstruire les caractéristiques à partir des composantes » est-elle gratuite ?
Oui — le texte complet de « Projeter les données et reconstruire les caractéristiques à partir des composantes » est gratuit à lire ici sur le web. Pour la pratiquer de manière interactive (un éditeur de code intégré et un tuteur IA 24/7) et déverrouiller le reste du cours Machine Learning Academy, passe à CoddyKit PRO. Le cours Machine Learning Academy comprend 4 leçons au total.
Qu'est-ce que j'apprendrai dans « Projeter les données et reconstruire les caractéristiques à partir des composantes » ?
Vous transformerez un jeu de données dans l’espace des composantes principales, visualiserez la projection en 2D et reconstruirez les caractéristiques d’origine afin de quantifier la perte d’informat… Tu pratiques Machine Learning Academy avec du code pratique que tu exécutes directement dans le navigateur, et un tuteur IA 24/7 répond à tes questions au fur et à mesure que tu avances dans la leçon.
Dois-je avoir de l'expérience pour commencer Machine Learning Academy ?
Aucune expérience préalable n'est requise. Machine Learning Academy sur CoddyKit est structuré pour les débutants jusqu'aux apprenants avancés, donc tu peux commencer ici ou depuis le début et avancer à ton rythme. Ceci est la leçon 2 sur 4.
Combien de temps prend la leçon « Projeter les données et reconstruire les caractéristiques à partir des composantes » ?
La plupart des leçons CoddyKit prennent environ 5–10 minutes. Chacune est courte et interactive, tu progresses régulièrement et tu repiques exactement où tu t'es arrêté sur le web et l'app.
Peux-tu écrire et exécuter du code dans cette leçon Machine Learning Academy ?
Oui. Chaque leçon Machine Learning Academy inclut un éditeur de code intégré, tu écris et exécutes du vrai code directement dans ton navigateur et tu reçois des retours IA instantanés — aucune configuration locale requise.
Toutes les leçons de ce cours
- PCA : variance, vecteurs propres et composantes principales
- Projeter les données et reconstruire les caractéristiques à partir des composantes
- t-SNE : préservation du voisinage pour la visualisation
- PCA comme prétraitement : accélération et réduction du bruit dans les chaînes de traitement