在主成分分析中，首先要進行標準化，根據標準化後的協方差矩陣計算出的特征值是準確的，特征值就是主成分的方差。
有時有許多主成分。想要分析的元素越多，主成分就越多。主成分分析要求數據接近正態分布，不壹定是嚴格的正態分布條件。總體來說，樣本量在100以上，基本滿足條件。聚類分析要求每個組內方差小，而組間方差大。正常情況下，只要方法選擇得當，這個要求會比較容易達到。
app應用
主成分分析作為壹種基本的數學分析方法，有著廣泛的實際應用，如人口學、數量地理學、分子動力學模擬、數學建模、數學分析等學科。是壹種常用的多元分析方法。？
主成分分析(PCA)就是試圖將許多相關的指標(如P指標)重新組合成壹組新的不相關的綜合指標來代替原來的指標。
主成分分析(PCA)是壹種多元統計方法，用於研究多個變量之間相關性。它研究如何通過幾個主成分來揭示多變量的內部結構，即從原始變量中導出幾個主成分，使它們盡可能多地保留原始變量的信息，並且互不相關。通常的數學處理是將原有的P個指標進行線性組合，作為新的綜合指標。