当数据行数小于列数时，PCA和KernelPCA会做什么？

Question

以下是PCA的简单测试代码：

import numpy as np
from sklearn.decomposition import PCA

data = np.array([[1, 2, 3, 4, 5],
                 [2, 3, 4, 5, 6]])
pca = PCA()
newData = pca.fit_transform(data)

eigenvalue, eigenvector = np.linalg.eig(np.cov(data.transpose()))

print eigenvalue
print eigenvector

结果如下：

[  2.50000000e+00  -1.23259516e-32   0.00000000e+00   0.00000000e+00
   0.00000000e+00]
[[ -4.47213595e-01   1.18714153e-16   2.46911666e-16   6.66612515e-33
    6.66612515e-33]
 [ -4.47213595e-01   8.66025404e-01   8.66025404e-01   6.66133815e-17
    2.49800181e-17]
 [ -4.47213595e-01  -2.88675135e-01  -2.88675135e-01  -5.77350269e-01
   -5.77350269e-01]
 [ -4.47213595e-01  -2.88675135e-01  -2.88675135e-01   7.88675135e-01
   -2.11324865e-01]
 [ -4.47213595e-01  -2.88675135e-01  -2.88675135e-01  -2.11324865e-01
    7.88675135e-01]]

你能告诉我做这种PCA或KernelPCA是什么意思吗？如果我们真的要处理这类问题，如何取得更好的结果？