PCA 的用法

因為 PCA 是資料轉換的強大技術，所以您可以在進一步的分析工作之前套用它。如果發現高維度資料集，尤其位於諸如文字採礦、影像分析、生物資料分析、客戶喜好設定及味道分析（協同過濾）等領域中，此方法非常有用。

PCA 僅可直接適用於數值資料，因為它是根據線性代數計算。包含離散屬性的資料集需要將其離散值的數值編碼作為必要條件。由於所有屬性都是連續的，因此，矩陣 A 可以代表輸入資料集 D。此矩陣的列對應於 n 個屬性，而直欄對應於 |D| 個實例。

為了取得矩陣 A 的特徵（主成份），PCA 會套用許多矩陣作業。這些作業包含將屬性值向量轉換為新的呈現空間，也稱為特性向量。