SVM参数调整与最终评估中的主要组件数量

Question

在将数据馈送到SVM之前，我正在使用PCA缩小数据尺寸（50个样本x 32767个特征）。我正在使用以下交叉验证方案来调整SVM内核的参数，请参见图。因此，对于测试集，我有5个样本，对于3倍CV，每个样本要折叠15个样本。由于仅对训练数据执行PCA，这意味着对于每个分组，经历PCA的样本数量为30，对于最终评估为45。由于PCA重新调整了最多n-1个主成分，其中n是样本数，因此I每次拆分可获得29个主要成分，最终训练集则包含44个主要成分。我的问题是，当我探索分类中使用的主要组件数量的影响时，假设我要使用5台PC，是否在参数调整部分（3个分割）和最终评估中都使用5台PC，或者在参数调整中使用5台PC，在最终评估中使用整套PC（44）？

我之所以问是因为，在最终评估中使用44时，我获得了更好的准确性，但是我并不真正理解为什么。我觉得如果使用5台PC来调整参数，那么更多PC不会对最终精度产生影响。但是我也很困惑，因为每个分组以及最终评估的PC本质上都是不同的。也就是说，一个分组的前5台PC与另一个分组的前5台PC也不相同，也与最终训练集中的前5台PC也不相同。

我也不明白选择的PC数量如何影响参数调整和最终评估。

是否有执行此操作的标准方法？如果可以，还请您提供参考吗？谢谢