相关和协方差矩阵的 PCA你好，
我不是专家用户，所以请温柔对待我。
我对 JMP14 中的一些标准化数据（有 2 个变量）执行了 PCA，并注意到两个分数图几乎在 PC1 轴上镜像。为什么它们会以这种方式体现？ （而且，它们并不是完美的反射。这是为什么呢？）
高级统计建模视窗回复：关于相关和协方差矩阵的 PCA协方差是基本量，但分析以具有最大尺度和范围的度量为主。 首先居中和缩放可以帮助避免少数变量占主导地位。 您首先对数据进行了标准化，因此协方差和相关结果非常相似。
回复：关于相关和协方差矩阵的 PCA探索性数据分析中的 PCA 通常用于通过将每个数据点仅放在前几个基本组件上来降低维数，以获得具有较低维数的数据，同时尽可能多地保留数据方差。 （正交属性）
正交坐标定义为一组坐标 dq = ( q 1, q 2, ..., qd )，其中所有坐标表面以直角相交（注意：上标是索引，而不是指数）。 给定 qk 坐标的纵坐标表面是 qk 为常数的曲线、表面或外延。
