主成分分析

主成分分析（Principal Component Analysis，PCA），將多個變量通過線性變換以選出較少個數(shù)重要變量的一種多元統(tǒng)計分析方法。又稱主分量分析。實(shí)際課題中，為了全面分析問題，往往提出很多與此有關(guān)的變量(或因素)，因?yàn)槊總€變量都在不同程度上反映這個課題的某些信息。主成分分析首先是由K.皮爾森對非隨機(jī)變量引入的，爾后H.霍特林將此方法推廣到隨機(jī)向量的情形。信息的大小通常用離差平方和或方差來衡量。主成分分析作為基礎(chǔ)的數(shù)學(xué)分析方法，其實(shí)際應(yīng)用十分廣泛，比如人口統(tǒng)計學(xué)、數(shù)量地理學(xué)、分子動力學(xué)模擬、數(shù)學(xué)建模、數(shù)理分析等學(xué)科中均有應(yīng)用，是一種常用的多變量分析方法。

?