现在，我们已经介绍了 PCA 的大部分理论和它所依赖的概念，让我们回到之前的本示例，看看其中的一些原理是如何实现的。这里有一个包含五个变异性变量的数据集，我们已经看到其中一些变量是相关的，另一些则不相关。
使用该数据和 Prism，我们可以使用所有默认选项（标准化数据、通过并行分析选择 PC）执行 PCA，但选择显示所有可用图形（包括 Scree Plot 和方差比例图）。请注意，默认情况下，Prism 不会将标准化（或居中）数据表作为结果表，但您可以选择显示。
示例涵盖的部分
现在，我们已经介绍了 PCA 的大部分理论和它所依赖的概念，让我们回到之前的本示例，看看其中的一些原理是如何实现的。这里有一个包含五个变异性变量的数据集，我们已经看到其中一些变量是相关的，另一些则不相关。
使用该数据和 Prism，我们可以使用所有默认选项（标准化数据、通过并行分析选择 PC）执行 PCA，但选择显示所有可用图形（包括 Scree Plot 和方差比例图）。请注意，默认情况下，Prism 不会将标准化（或居中）数据表作为结果表，但您可以选择显示。