CDA Level1 PART4.1：主成分分析
本质降维
主成分VS因子分析
主成分分析：用原始变量构造主成分，第一个主成分的方差最大，代表的信息越多。特征向量的方向表示了拉伸的方向。
因子分析：用原始变量中找出（抽象出）隐性的公共因子，选择比较重要的公共因子表示变量，实现降维。计算公共因子前的系数：载荷矩阵，采用的是主成分计算法，方差最大。
多维尺度分析VS主成分、因子分析
主成分分析：主成分分析可以解释变量之间的相关关系。
因子分析：一般采用相关系数，找出隐性的公共因子。
多维尺度分析：从距离矩阵出发，而不是方差。以样本个体作为一个单位，关注样本与样本之间的相似程度。降维前后，样本点与点之间的距离能够尽可能接近。维度不是重点，样本与样本之间的距离是关注的重点。
多维尺度分析VS对应分析
多维尺度分析：关注行变量之间的相似性。
对应分析：关注行变量和列变量之间的关系
来源：CSDN
作者：skyHdd
链接：https://blog.csdn.net/u010591976/article/details/103653963