主成分分析

本条目或者章节被建议同 独立成分分析 合并。（讨论）

在统计学中，主成分分析（principal components analysis (PCA)） 是一种简化数据集的技术。它是一个线性变换。这个变换把数据变换到一个新的坐标系统中，使得任何数据投影的第一大方差在第一个坐标(称为第一主成分)上，第二大方差在第二个坐标(第二主成分)上，依次类推。主成分分析经常用减少数据集的维数，同时保持数据集的对方差贡献最大的特征.这是通过保留低阶主成分，忽略高阶主成分做到的。这样低阶成分往往能够保留住数据的最重要方面.但是，这也不是一定的，要视具体应用而定.

[编辑] 外部連結

• A introductory explanation of PCA from StatSoft
• A tutorial on PCA by Lindsay I. Smith (PDF)
• A layman's explanation from Umetrics
• PCA - Principal Component Analysis: Introduction, Simple Example, MATLAB code