تجزیه و تحلیل مولفه های اصلی (Principal Component Analysis)
در واقع روشی از آنالیزهای چند متغیره
آماری است که تعداد کمتری از عوامل را بنام مولفه های اصلی از میان عوامل اولیه گزینش
می کند، به
طوریکه تعدادی از اطلاعات کم اهمیت حذف می شوند. اولین مولفه اساسی استخراج شده، بیشترین مقدار پراکندگی داده ها
را در کل مجموعه داده ها در نظر می گیرد. این امر بدان معنی است که اولین
مولفه حداقل با تعدادی از متغیرها همبسته است. دومین مولفه استخراج شده دو ویژگی
مهم دارد، اول
اینکه این مولفه بیشترین مجموعه داده ها که توسط مولفه اول محاسبه نشده است را در
نظر می گیرد و دوم اینکه با مولفه اول همبستگی ندارد. به عبارتی، بدون در نظر گرفتن مولفه ی قبلی، با گذر از مولفه ی ابتدایی به
سمت مولفه های انتهایی هر مولفه واریانس کمتری را تشریح می کند. یعنی همیشه مولفه
ی اصلی اول بیشترین مقدار واریانس و مولفه های اخر کمترین واریانس را شرح می دهند
که در این صورت با حذف مولفه های اخر اطلاعات زیادی از دست نخواهد رفت.
دانشجوی ارشد مهندسی علوم دامی گرایش تغذیه.دانشگا تبریز