PCA 上的组件数量受样本数量限制答案

【问题标题】：Number of components on PCA limited by the number of samplesPCA 上的组件数量受样本数量限制
【发布时间】：2017-02-04 03:51:57
【问题描述】：

我正在使用 sklearn 进行 PCA，我正在使用一些虚拟数据测试函数，当我的样本数量超过我想要使用的组件数量时，它可以正常工作：

from sklearn.decomposition import PCA
import numpy as np    

features_training = np.random.rand(10,30)
components = 8
pca = PCA(n_components=int(components))
X_pca = pca.fit_transform(features_training)

从上面的代码我得到一个 10*8 的矩阵。

X_pca.shape
(10, 8)

但是对于相同的数据，如果我尝试保留 15 个组件：

features_training = np.random.rand(10,30)
components = 15
pca = PCA(n_components=int(components))
X_pca = pca.fit_transform(features_training)

我没有得到一个 10*15 的矩阵，而是一个 10*10 的矩阵。

X_pca.shape
(10, 10)

因此，组件的数量似乎不仅受特征数量的限制，还受样本数量的限制。这是为什么呢？

【问题讨论】：

标签： python machine-learning scikit-learn pca

【解决方案1】：

我无法告诉您 PCA 的实际工作方式。但是在Scikit-learn documentation for PCA中，提到了actual n_components = min(n_samples, specified n_components)

【讨论】：