Back تحليل العنصر الرئيسي Arabic Analís de componentes principales AST Anàlisi de components principals Catalan Analýza hlavních komponent Czech Principal component analysis English Analizo al precipaj konsisteroj Esperanto Análisis de componentes principales Spanish Peakomponentide analüüs Estonian Osagai nagusien analisi Basque تحلیل مؤلفههای اصلی Persian
Die Hauptkomponentenanalyse (kurz: HKA, englisch Principal Component Analysis, kurz: PCA) – das mathematische Verfahren ist auch als Hauptachsentransformation oder Singulärwertzerlegung bekannt – ist ein Verfahren der multivariaten Statistik. Sie strukturiert umfangreiche Datensätze durch Benutzung der Eigenvektoren der Kovarianzmatrix. Dadurch können Datensätze aus ratio-skalierten Variablen vereinfacht und veranschaulicht werden, indem eine Vielzahl statistischer Variablen durch eine geringere Zahl möglichst aussagekräftiger Linearkombinationen (die Hauptkomponenten) genähert wird.
Die Hauptkomponentenanalyse zählt somit zu den Ordinationen. Zur Anwendung kommt die Hauptkomponentenanalyse als Karhunen-Loève-Transformation im Besonderen in der Signal- und dort speziell der Bildverarbeitung. Sie ist von der Faktorenanalyse zu unterscheiden, mit der sie formale Ähnlichkeit hat und in der sie als Näherungsmethode zur Faktorenextraktion verwendet werden kann (der Unterschied der beiden Verfahren wird im Artikel Faktorenanalyse erläutert). Es gibt verschiedene Verallgemeinerungen der Hauptkomponentenanalyse, z. B. die Principal Curves, die Principal Surfaces, t-distributed stochastic neighbor embedding oder die Kernbasierte Hauptkomponentenanalyse (kernel principal component analysis, kurz: kernel PCA).