PCA

释义 Definition（中文）

PCA 是 Principal Component Analysis 的缩写，中文常译为主成分分析：一种常用的降维方法，通过把原始变量线性组合成少数几个“主成分”，在尽量保留数据主要信息（方差）的同时减少维度，便于可视化、去噪或建模。
（在不同语境中，PCA 也可能指其他含义，如 personal care assistant 等，但最常见的是统计/机器学习中的“主成分分析”。）

发音 Pronunciation (IPA)

/ˌpiː siː ˈeɪ/

例句 Examples

We used PCA to reduce the dataset from 50 features to 10.
我们用 PCA 把数据集从 50 个特征降到 10 个。

After standardizing the variables, PCA revealed that the first two components explained most of the variance in the survey responses.
在对变量进行标准化之后，PCA 显示前两个主成分解释了问卷回答中大部分的方差。

词源 Etymology（中文）

PCA 来自短语 Principal Component Analysis：

• principal 表示“主要的、最重要的”；
• component 表示“组成部分、分量”；
• analysis 表示“分析”。
  该术语用于描述把数据的“主要变化方向”提取为若干“主成分”的方法。

相关词 Related Words

• Dimensionality Reduction
• Eigenvector
• Eigenvalue
• Covariance
• Variance
• SVD
• Feature Extraction
• Standardization

文学与著作 Literary Works（出现示例）

• The Elements of Statistical Learning（Hastie, Tibshirani, Friedman）
• Pattern Recognition and Machine Learning（Christopher M. Bishop）
• An Introduction to Statistical Learning（James, Witten, Hastie, Tibshirani）
• Principal Component Analysis（I. T. Jolliffe；及 Jolliffe & Cadima 的相关版本）