相關和協方差矩陣的 PCA你好，
我不是專家用戶，所以請溫柔對待我。
我對 JMP14 中的一些標準化資料（有 2 個變數）執行了 PCA，並注意到兩個分數圖幾乎在 PC1 軸上鏡像。為什麼它們會以這種方式體現？ （而且，它們並不是完美的反射。這是為什麼呢？）
進階統計建模視窗回复：關於相關和協方差矩陣的 PCA協方差是基本量，但分析以具有最大尺度和範圍的度量為主。 首先居中和縮放可以幫助避免少數變量占主導地位。 您首先對數據進行了標準化，因此協方差和相關結果非常相似。
回复：關於相關和協方差矩陣的 PCA探索性數據分析中的 PCA 通常用於通過將每個數據點僅放在前幾個基本組件上來降低維數，以獲得具有較低維數的數據，同時盡可能多地保留數據方差。 （正交屬性）
正交坐標定義為一組坐標 dq = ( q 1, q 2, ..., qd )，其中所有坐標表面以直角相交（注意：上標是索引，而不是指數）。 給定 qk 坐標的縱坐標表面是 qk 為常數的曲線、表面或外延。
