做PCA（主成分分析）时，'similar / compatible'怎么得是数据？
When doing PCA (Principal Component Analysis), how 'similar / compatible' has to be the data?
我试图了解 运行 在 SPSS 或 R 上进行 PCA 时数据的兼容性。
我拥有的数据集是关于葡萄牙葡萄酒的信息，我知道有些属性是不可比的，例如 pH 值、酒精度和质量排名。
如果我在 R 上规范化此数据，它是否与 PCA 兼容？我想要实现的是了解哪些属性可以提高质量（不过必须是 PCA）。
如果这个问题很愚蠢，我很抱歉，我是数据分析的学生，由于这种冠状病毒的情况，类 没有交付，我仍然必须交付一个我不知道如何开始的 CA .
谢谢！
在 SPSS FACTOR 中，您可以对相关矩阵或协方差矩阵进行 PCA。如果您使用协方差矩阵，则范围较大的变量往往会主导解决方案。如果您使用相关矩阵（默认），则每个变量将被归一化为相同的方差，从而导致不同的解决方案，其中具有较大原始尺度的变量不一定主导解决方案。
我试图了解 运行 在 SPSS 或 R 上进行 PCA 时数据的兼容性。 我拥有的数据集是关于葡萄牙葡萄酒的信息，我知道有些属性是不可比的，例如 pH 值、酒精度和质量排名。
如果我在 R 上规范化此数据，它是否与 PCA 兼容？我想要实现的是了解哪些属性可以提高质量（不过必须是 PCA）。 如果这个问题很愚蠢，我很抱歉，我是数据分析的学生，由于这种冠状病毒的情况，类 没有交付，我仍然必须交付一个我不知道如何开始的 CA . 谢谢！
在 SPSS FACTOR 中，您可以对相关矩阵或协方差矩阵进行 PCA。如果您使用协方差矩阵，则范围较大的变量往往会主导解决方案。如果您使用相关矩阵（默认），则每个变量将被归一化为相同的方差，从而导致不同的解决方案，其中具有较大原始尺度的变量不一定主导解决方案。