PCA的目标是寻找r个新变量，使他们反应事物的主要特性，压缩原有数据矩阵的规模。每个新变量的原有变量的线性组合，体现原有变量的总和效果，具有一定的实际含义。

那么我们看看哪些数据可以做PCA分析，首先认识以下输入矩阵文件（相信大家在很多分析中可以看到这样的矩阵）：

那么经过学习《PCA主成分分析》的课程，可以得到这样的结果：

首先是特征向量表：

然后是PC权重：

数据结果有了，图必须得有，这才是论文的关键：

1、柱状图

2、碎石图

3、PCA 2D图（图中显示组内具有一致性，组间具有差异性）

4、PCA 3D图（组内相距较近，组间相差较远）

一个简单的分析，简明讲解，提供数据和代码，可以直接学习操作，根据自己的数据操作得到结果。那么现在开始学习吧：《PCA主成分分析》