概念卡：主成分分析 Principal Component Analysis
概念卡：主成分分析 Principal Component Analysis
一句话定义
主成分分析就是 PCA，用少数综合变量概括原始高维变量中的主要变化方向。
它解决什么问题
它降低维度，帮助可视化、压缩信息和处理变量冗余。
典型使用场景
- 高维数据可视化。
- 多指标综合分析。
- 聚类前降维。
需要知道的关键词
- PCA
- Principal Component
- Explained Variance
- Eigenvalue
- Loading
和导师方向的关系
主成分分析在应用统计、大数据和复杂系统状态降维中都很常见。
交流时可以怎么说
主成分分析可以把多个相关变量压缩成少数几个综合维度，但解释性需要谨慎。
我会看方差解释率判断保留几个主成分。
可以追问的问题
- 保留几个主成分？
- 主成分是否有实际含义？
- 原变量是否需要标准化？
给 AI 的提示词
请解释主成分分析和 PCA。要求说明标准化、方差解释率、loading 和可视化。
我的理解边界
- 已理解：主成分分析就是 PCA。
- 还不确定：loading 的解释。
- 下次需要补：标准化对 PCA 的影响。