Python 为什么PCA'；什么改变了？

我在数据集上做PCA。为了找到PCA的最佳数目，我使用特征的数目作为PCA的数目。然而，当我查看解释的方差比时，我注意到主成分分析的数量发生了变化。最初，数据集是200*300，所以在使用#of components=300进行PCA后，我应该得到300个PCA及其相应的方差比，但我得到了200

代码如下：

# Standardize the data
scaler = StandardScaler()
X_train_scaled = scaler.fit_transform(X_train)

# Find the optimal number of PCA 
#pca.explained_variance_ratio_
pca = PCA()
pca.fit(X_train_scaled)
ratios = pca.explained_variance_ratio_

我刚刚弄明白了原因，所以我将在下面回答这个问题。

这实际上是：

n_组件：保留的组件的int、None或string数量

如果未设置n_组件，则保留所有组件：n_组件==min（n_样本，n_特征）

因此，当数据集的样本数少于其特征数时，PCA会自动选择样本数作为组件数。

这实际上是：

n_组件：保留的组件的int、None或string数量

如果未设置n_组件，则保留所有组件：n_组件==min（n_样本，n_特征）

因此，当数据集的样本数少于其特征数时，PCA会自动选择样本数作为组件数