Некоторые методы анализа главных компонент:

• Критерий собственного значения. 2 Включает выбор основных компонент с наибольшими собственными значениями. 2 Самые большие собственные числа соответствуют главным компонентам, которые охватывают наибольшую дисперсию данных. 2
• Критерий пропорции дисперсии. 2 Предполагает выбор основных компонент, которые объясняют определённую долю общей дисперсии данных. 2
• Критерий отсеивания. 2 Включает изучение графика, который показывает собственные значения каждой основной компоненты в порядке убывания. 2 Точка, в которой кривая начинает выравниваться, используется в качестве порога для выбора основных компонент, которые необходимо сохранить. 2
• Критерий Кайзера. 2 Предполагает сохранение только главных компонент с собственными значениями, превышающими среднее значение коэффициентов. 2 Другими словами, это главная компонента с коэффициентами больше единицы. 2
• Критерий перекрёстной проверки. 2 Включает в себя оценку производительности модели на валидационной выборке и выбор основных компонент, обеспечивающих наилучшую точность прогнозирования. 2

Кроме того, существуют метод независимых компонент, многомерное шкалирование, метод главных кривых и многообразий, метод упругих карт, нейросетевые методы «узкого горлышка», самоорганизующиеся карты Кохонена и другие способы уменьшения размерности данных. 13