我是机器学习领域的新手，但我已经完成了信号处理方面的工作。如果这个问题被贴错标签，请告诉我。

我有由至少三个变量定义的二维数据，高度非线性的模型太复杂而无法模拟。

我在使用 PCA 和 ICA（来自 python 库 Scikit-Learn）等方法从数据中提取两个主要成分方面取得了不同程度的成功，但似乎这些方法（或至少，这些方法的实现）是有限的提取与数据中的维度一样多的组件，例如，从 2D 点云中提取 2 个组件。

在绘制数据时，受过训练的眼睛很清楚存在三种不同的线性趋势，三种颜色的线表示方向。

使用 PCA 时，主要组件与其中一条颜色线对齐，另一条与预期的 90° 对齐。使用 ICA 时，第一个分量与蓝线对齐，第二个分量介于红线和绿线之间。我正在寻找一种可以重现信号中所有三个分量的工具。

编辑，附加信息：我在这里工作在更大相平面的一小部分。在这个小子集中，每个输入变量都会在平面上产生线性变化，但这种变化的方向和幅度是非线性的，并且取决于我正在工作的更大平面上的确切位置。在某些地方，其中两个变量可以退化：它们产生相同方向的变化。例如，假设模型依赖于 X、Y 和 Z。变量 X 的变化将产生沿蓝线的变化；Y 引起沿绿线的变化；Z，沿着红色的那个。