在使用像这样的Sklearn PCA算法时
x_orig = np.random.choice([0,1],(4,25),replace = True)
pca = PCA(n_components=15)
pca.fit_transform(x_orig).shape
我得到输出
(4, 4)
我希望（想要）它：
(4,15)
我明白为什么会这样。在sklearn（here）的文档中说（假设它们的'=='是赋值运算符）：
n_components == min(n_samples, n_features)
但是他们为什么要这样做？ 另外，如何将形状为[1,25]的输入直接转换为[1,10]（不堆叠虚拟数组）？
答案 0 :(得分：4)
每个主分量是数据在数据协方差矩阵的特征向量上的投影。如果样本 n 少于特征，则协方差矩阵仅具有 n 个非零特征值。因此，只有 n 个本征向量/分量才有意义。
原则上，可能有比样本更多的成分，但是多余的成分将是无用的噪声。
Scikit-learn会引发错误，而不是默默地执行 。这样可以防止用户用脚射击自己。样本少于特征的样本可能表明数据有问题，或者对所涉及的方法有误解。