Scikit learn SKPCA不能产生唯一的结果

我试图复制我用另一台电脑写的东西。现在有了mac，我就有了这种奇怪的行为。我不知道怎么了。linux可以正常工作

from sklearn.decomposition import PCA
df = df_selected1.values.copy() 
pca = PCA(n_components=2)
for i in range(5):
    pca.fit_transform(df)
    print(pca.explained_variance_)

#output
[ 5.03922837  0.06647913]
[ 15.07182343   1.55837475]
[ 18.83493071   5.11528737]
[ 8.56237035  1.2922362 ]
[ 121.51350407    0.78051842]

编辑：因此，如果我的行数少于60行，它将正常工作。如果我添加更多，我会得到错误

LinAlgError: SVD did not converge 

示例数据：

 df = pd.DataFrame([np.ndarray(90),np.ndarray(90),np.ndarray(90),np.ndarray(90)]).transpose()

---

我认为你做错了什么

在您发布1）完整代码、2）数据、3）完整错误和4）模块版本之前，我将提供一个使用随机数据的示例

使用5000行和4列的示例。

import numpy as np
import pandas as pd

np.random.seed(2)
df = pd.DataFrame(np.random.rand(5000,4))
df1 = df.copy()
pca = PCA(n_components=2, random_state= 2)
for i in range(10):
     pca.fit_transform(df1)
     print(pca.explained_variance_)

[0.08596479 0.08470371]
[0.08596479 0.08470371]
[0.08596479 0.08470371]
[0.08596479 0.08470371]
[0.08596479 0.08470371]
[0.08596479 0.08470371]
[0.08596479 0.08470371]
[0.08596479 0.08470371]
[0.08596479 0.08470371]
[0.08596479 0.08470371]

---

在

PCA（…）

中使用

random_state

param使其可复制。不能解决问题什么不能解决问题？您是说将random_state设置为整数值仍然会导致for循环中的不同结果吗？请提出一个可复制的问题。您添加的数据与您使用的数据不一致。