R语言：主成分分析PCA

主成分分析

主成分分析（或称主分量分析，principal component analysis）由皮尔逊（Pearson,1901）首先引入，后来被霍特林（Hotelling,1933）发展。

主成分分析是一种通过降维技术把多个变量化为少数几个主成分（即综合变量）的统计分析方法。这些主成分能够反映原始变量的绝大部分信息，它们通常表示为原始变量的某种线性组合。

• 主成分分析的一般目的是：
  1. 变量的降维；
  2. 主成分的解释。

处理步骤

1. 将数据标准化（必需，不同量纲和大小的数据影响结果）

2. 求样本的相关系数矩阵R

3. 求R的特征值以及特征向量

4. 按主成分累计贡献率超过80%来确定主成分的个数K，并写出主成分表达式（一般是80%，实际问题中70%多也可以接受）

5. 对分析结果做统计意义和实际意义的解释（往往是更难的）

数据集

内置的mtcars数据框包含有关32辆汽车的信息，包括它们的重量，燃油效率（以每加仑英里为单位），速度等。

数据来自1974</