说一个拥有执行PCA的程序。 该程序计算必要的PC数量，以覆盖数据中全部变化的给定份额，例如95％。
假设在t = 1时使用的数据要覆盖95％的方差所需的PC数为10。
在t = 2时，我们使用t = 2的数据重新运行程序。 对于t = 2，要覆盖95％的方差所需的PC数是5。
因此，为了覆盖95％的方差所需的PC数量已从t = 1到t = 2从10减少到了5。
主要问题：
在这种情况下，我们可以对数据从t = 1到t = 2的变化做出任何结论吗？
示例：
我们可以这样说吗：“由于PC数量从t = 1减少到t = 2，所以t = 1时数据的相关性比t = 2时大。需要PC来覆盖数据中给定份额的变化。”
答案 0 :(得分：0)
是的，如果原始变量之间具有很强的相关性，则减少的分量数量可以解释80％至90％的方差，并且方差百分比对应于数据中信息的百分比，该百分比已由个人电脑。此外，如果您想了解有关PCA的更多详细信息，可以阅读以下很棒的评论：https://stats.stackexchange.com/questions/2691/making-sense-of-principal-component-analysis-eigenvectors-eigenvalues/140579#140579