Scikit learn SKPCA中的组件数

我在理解sklearn的PCA方法中组件的最大数量时遇到了一个问题。文件说明，如果未指定编号，将选择：

n_components == min(n_samples, n_features)

现在让我们考虑一个例子：

我有一个包含100个数据值和3000个特征的矩阵，其大小为100 x 3000。相应的协方差矩阵的大小应为3000 x 3000，据此，应存在3000个可能的特征值

---

现在的问题是：为什么分量的最大值总是样本和特征的较小数量，在本例中为100，即使我指定3000作为参数？

有几种解释PCA的方法，每种方法解释的原因略有不同。该算法计算A.A^T的瘦（“经济模式”）奇异值分解，该分解只计算与最小维度相同数量的奇异值/向量。另一种查看PCA的方法是为您提供一组最能描述数据的正交线性特征组合。如果只有100个样本，最多只能描述100个正交向量，而不适合数值噪声。这有帮助吗？@AhmedFasih这很有帮助，谢谢。如果它符合答案的条件，它应该被做成一个。有几种解释PCA的方法，每种方法解释的原因都有点不同。该算法计算A.A^T的瘦（“经济模式”）奇异值分解，该分解只计算与最小维度相同数量的奇异值/向量。另一种查看PCA的方法是为您提供一组最能描述数据的正交线性特征组合。如果只有100个样本，最多只能描述100个正交向量，而不适合数值噪声。这有帮助吗？@AhmedFasih这很有帮助，谢谢。如果它符合答案的条件，它应该被做成一个答案。