pca主成分分析是一种使用最广泛的数据降维算法。将多个指标转换为少数几个综合指标，由霍特林于1933年首先提出。主成分分析的主要目的是希望用较少的变量去解释原来资料中的大部分变异，将我们手中许多相关性很高的变量转化成彼此相互独立或不相关的变量，从而达到降维的目的。

主成分分析方法之所以能够降维，本质是因为原始变量之间存在着较强的相关性，如果原始变量之间的相关性较弱，则主成分分析不能起到很好的降维效果，所以进行主成分分析前最好先进行相关性分析。

主成分分析其实就是将原来的指标进行线性变换，生成新的指标。

本质上讲，PCA就是将高维的数据通过线性变换投影到低维空间上去，但并非随意投影，而是需要遵循一个规则，希望降维后的数据不能失真，也就是说被PCA降掉的那些维度只能是噪声或是冗余的数据。