主分量分析（Principal Component Analysis, PCA）是一種降低數據集維度的統計方法，它通過正交變換將可能存在相關性的變數轉換為一組線性不相關的變數，這些轉換後的變數稱為主成分。
PCA的主要目的是用較少的變數去解釋原始資料中的大部分變異，從而簡化數據集並減少分析的複雜性。在PCA中，原始變數的信息重疊部分被提取並轉化為新的、不相關的主成分，這些主成分按照方差的大小依次排列，最大的方差對應第一個主成分，以此類推。
PCA的套用非常廣泛，包括人口統計學、數量地理學、分子動力學模擬、數學建模等領域。它不僅有助於簡化複雜的數據集，還可以揭示數據中未被注意到的模式和趨勢。