Python | SKlearn | PCA

编辑：谢谢你发现了打字错误，应该是60*50，我已经在问题中纠正了同样的错误

在对一个包含60个观察值和50个变量的矩阵执行PCA后，我陷入了以下问题，当我检查PCA组件的形状时，结果是50*50。而我认为应该是60*50。和我在R里查的一样，根据我的理解，结果是60*50。如果我做错了什么，请告诉我。PFB代码：

import numpy as np
arr=np.random.randn(20*3*50)
from numpy import *
arr = (arr - mean(arr, axis=0)) / std(arr, axis=0)
arr=arr.reshape(60,50)
arr.shape
#output: (60, 50)

arr[1:20, 2] = 1
arr[21:40, 1] = 2
arr[21:40, 2] = 2
arr[41:60, 1] = 1
arr.shape
#output: (60, 50)

from sklearn.decomposition import PCA
pca = PCA()
X_train_pca = pca.fit_transform(arr)
pca.components_.shape
#output: (50, 50)

在scikit的PCA课程中学习。它告诉我们：

…如果未设置n_组件，则保留所有组件：

n\u组件==min（n\u样本，n\u特征）

---

至于

pca.components

返回形状数组

（n\u组件，n\u特征）

，没有混淆。

它说如果未声明

n\u组件

，它们将被迫等于

n\u特征

计数。您的

n\u功能

计数为50。结果中有50行。正确的组件数是50，但根据原始数据，此处的行数应为60，而在输出中，行数减少到50。当在R中执行相同操作时，每个主分量的行数为60。

pca.components.shape

返回形状数组

（n\u组件，n\u特征）

。这里没有提到样本的数量。谢谢你的回复，这是一个打字错误，我已经编辑并更正了这个问题