在scikitlearn中PCA function的文档中，默认情况下copy参数为True。
文件说明了这个论点：
If False, data passed to fit are overwritten and running fit(X).transform(X) will not yield the expected results, use fit_transform(X) instead.
我不确定这是什么意思，因为该函数将如何覆盖输入X？当你调用.fit(X)时，该函数应该只是计算PCA向量并更新PCA对象的内部状态，对吧？
因此，即使您将副本设置为False，.fit(X)函数仍应按照文档中的说明返回对象self，那么fit(X).transform(X)是否仍然可以正常工作？
那么当这个参数设置为False时会复制什么？
此外，我何时才想将其设置为False？
编辑： 我将fit和transform函数一起分开运行并获得了不同的结果，即使copy参数对于两者都是相同的。
from sklearn.decomposition import PCA
import numpy as np
X = np.arange(20).reshape((5,4))
print("Separate")
XT = X.copy()
pcaT = PCA(n_components=2, copy=True)
print("Original: ", XT)
results = pcaT.fit(XT).transform(XT)
print("New: ", XT)
print("Results: ", results)
print("\nCombined")
XF = X.copy()
pcaF = PCA(n_components=2, copy=True)
print("Original: ", XF)
results = pcaF.fit_transform(XF)
print("New: ", XF)
print("Results: ", results)
########## Results
Separate
Original: [[ 0 1 2 3]
[ 4 5 6 7]
[ 8 9 10 11]
[12 13 14 15]
[16 17 18 19]]
New: [[ 0 1 2 3]
[ 4 5 6 7]
[ 8 9 10 11]
[12 13 14 15]
[16 17 18 19]]
Results: [[ 1.60000000e+01 -2.66453526e-15]
[ 8.00000000e+00 -1.33226763e-15]
[ 0.00000000e+00 0.00000000e+00]
[ -8.00000000e+00 1.33226763e-15]
[ -1.60000000e+01 2.66453526e-15]]
Combined
Original: [[ 0 1 2 3]
[ 4 5 6 7]
[ 8 9 10 11]
[12 13 14 15]
[16 17 18 19]]
New: [[ 0 1 2 3]
[ 4 5 6 7]
[ 8 9 10 11]
[12 13 14 15]
[16 17 18 19]]
Results: [[ 1.60000000e+01 1.44100598e-15]
[ 8.00000000e+00 -4.80335326e-16]
[ -0.00000000e+00 0.00000000e+00]
[ -8.00000000e+00 4.80335326e-16]
[ -1.60000000e+01 9.60670651e-16]]
答案 0 :(得分：4)
在您的示例中，copy的值最终会被忽略，如下所述。但是如果你把它设置为False会发生什么：
X = np.arange(20).reshape((5,4)).astype(np.float64)
print(X)
pca = PCA(n_components=2, copy=False).fit(X)
print(X)
这会打印原始X
[[ 0. 1. 2. 3.]
[ 4. 5. 6. 7.]
[ 8. 9. 10. 11.]
[ 12. 13. 14. 15.]
[ 16. 17. 18. 19.]]
然后显示X被fit方法突变。
[[-8. -8. -8. -8.]
[-4. -4. -4. -4.]
[ 0. 0. 0. 0.]
[ 4. 4. 4. 4.]
[ 8. 8. 8. 8.]]
罪魁祸首是this line：X -= self.mean_，其中augmented assignment mutates the array。
如果设置copy = True，这是默认值，则X不会发生变异。
为什么copy没有对您的示例产生影响？ PCA.fit方法对copy的值唯一做的就是将它传递给实用函数check_array，它被调用以确保数据矩阵的数据类型为float32或float64。如果数据类型不是其中之一，则会发生类型转换，并且无论如何都会创建副本（在您的示例中，存在从int到float的转换）。这就是为什么在我上面的例子中我将X作为一个浮点数组。
fit().transform()和fit_transform() 您还问过为什么fit(X).transform(X)和fit_transform(X)会返回略有不同的结果。这与copy参数无关。差异在于双精度算术的误差范围内。它来自以下内容：
fit执行SVD为X = U @ S @ V.T（其中@表示矩阵乘法）并将V存储在components_属性中。 transform将数据乘以V fit_transform执行与fit相同的SVD，然后返回U @ S 数学上，U @ S与X @ V相同，因为V是正交矩阵。但是浮点运算的误差导致了微小的差异。
fit_transform执行U @ S代替X @ V是有道理的;这是一个更简单，更准确的乘法，因为S是对角线。 fit不相同的原因是只存储了V，并且在任何情况下它都不知道它获得的参数与模型到达的{{1}相同}。