主元分析也就是pca，主要用于数据降维。 1 什么是降维？ 比如说有如下的房价数据：

可能我不能向你详细解答这些问题，但是自己通过听课（多元统计分析）和做老师布置的作业，我觉得自己对PCA（Principal Component Analysis）的理解还是更近一步了哈。

pca（主成分分析）得分图中的横纵坐标代表数据在新的低维空间（由主成分定义）中的投影位置。

2023年2月2日 · 知乎，中文互联网高质量的问答社区和创作者聚集的原创内容平台，于 2011 年 1 月正式上线，以「让人们更好的分享知识、经验和见解，找到自己的解答」为品牌使命。知乎凭借认真、专业、友善的社区氛围、独特的产品机制以及结构化和易获得的优质内容，聚集了中文互联网科技、商业、影视 ...

2021年3月2日 · 之前已经多次介绍过主成分分析（PCA）了，比如，《如何像自拍一样轻松完成PCA分析？》、《Graphpad Prism也可以做主成分分析（PCA）？》等，分析方法非常简单。同样，R语言也有“一步到位”的函数，如prcomp()和princomp()，基本上都是输入数据直接出结果。

2022年4月27日 · PCA图解释可以参照FactoInvestigate包的Investigate()输出的PCA分析结果报告进行解释。 PCA分析是对高维数据进行降维的一种方法，用于从多变量数据中提取重要信息。当数据集中的变量高度相关时，PCA方法特别有用。相关性表明数据中存在冗余。

知乎，中文互联网高质量的问答社区和创作者聚集的原创内容平台，于 2011 年 1 月正式上线，以「让人们更好的分享知识、经验和见解，找到自己的解答」为品牌使命。知乎凭借认真、专业、友善的社区氛围、独特的产品机制以及结构化和易获得的优质内容，聚集了中文互联网科技、商业、 …

2020年11月15日 · 无监督学习主要包括PCA分析和聚类分析。 在目前的统计学、数据分析等领域中，常常出现监督学习和无监督学习两大类分析方法。有无监督的分类标准主要是数据中有没有响应变量（或叫因变量），如果数据中只含有预测变…

只要不超过计算能力的限制，在任何估计参数的时候，样本容量都是越大越好。 主成分分析主要研究一个随机向量的协方差 ...

主成分分析原理