หากขนาดตัวอย่างของคุณน้อยกว่ามิติพื้นที่ของเวกเตอร์เมทริกซ์เอกพจน์อาจเกิดขึ้น หากคุณมีตัวอย่างน้อยกว่า (เมื่อคือมิติของคุณ) สถานการณ์นี้แม้จำเป็นต้องที่จะเกิดขึ้น:ตัวอย่างช่วงที่มากที่สุดไฮเปอร์เพลมิติ จากตัวอย่างเล็ก ๆ นี้คุณไม่สามารถคำนวณความแปรปรวนในพื้นที่มุมฉากได้d+1dk+1d
นี่คือสาเหตุที่เป็นเรื่องธรรมดาที่จะไม่ใช้ PCA ตามตัวอักษร แต่แทนที่จะทำการสลายค่าเอกพจน์ซึ่งสามารถใช้ในการคำนวณpseudoinverseของเมทริกซ์ ถ้าเมทริกซ์กลับด้านได้ pseudoinverse จะเป็นอินเวอร์ส
อย่างไรก็ตามถ้าคุณเห็นเมทริกซ์ที่ไม่สามารถย้อนกลับได้โอกาสที่ระยะทางของคุณจากคลัสเตอร์จะไม่มีความหมายหากเวกเตอร์อยู่นอกไฮเปอร์เพลนของการแสดงคลัสเตอร์เนื่องจากคุณไม่ทราบความแปรปรวนในพื้นที่มุมฉาก (คุณสามารถคิดถึง ความแปรปรวนนี้เป็น 0!) SVD สามารถคำนวณ pseudoinverse แต่ "ความแปรปรวน" จะยังไม่ถูกกำหนดโดยข้อมูลของคุณ
ในกรณีนี้คุณน่าจะทำการลดขนาดทั่วโลกเสียก่อน การเพิ่มขนาดตัวอย่างจะช่วยได้ก็ต่อเมื่อคุณมีมิติที่ไม่ซ้ำซ้อน: ไม่ว่าคุณจะสุ่มตัวอย่างจากการแจกแจงด้วยมากแค่ไหนเมทริกซ์จะไม่สามารถย้อนกลับได้เสมอและคุณจะไม่สามารถตัดสินการเบี่ยงเบนได้เกี่ยวกับค่าเบี่ยงเบนมาตรฐาน (ซึ่งคือ 0)y=xx−y
นอกจากนี้ขึ้นอยู่กับวิธีที่คุณคำนวณเมทริกซ์ความแปรปรวนร่วมคุณอาจพบปัญหาเชิงตัวเลขเนื่องจากการยกเลิกหายนะ วิธีแก้ปัญหาที่ง่ายที่สุดคือการจัดศูนย์ข้อมูลให้อยู่กึ่งกลางเสมอเพื่อให้ได้ค่าเฉลี่ยเป็นศูนย์