探索原始维度和 PCA 维度之间映射的一种方法是查看称为因子载荷的东西。这些本质上是将原始尺寸投影到 PCA 空间中。从中，您可以看到哪些原始特征与您的新尺寸对齐，或者彼此对齐。

可以在此处找到如何在 R 中生成具有因子载荷的 PCA 图的示例，以生成如下所示的图：

在这里，我们可以看到 PC1 轴与花瓣长度和宽度对齐，表明更高的 PC1 值与更长/更宽的花瓣密切相关。萼片长度也有相似的方向，所以 PC1 也捕捉到了很好的萼片长度变化。另一方面，萼片宽度与 PC1 和 PC2 相关。

为了赋予 PCA 的轴以意义，您可以研究两个新轴与所有原始轴之间的标量积（在此之前您必须对向量进行归一化）。

那些具有高标量积的轴将与新轴高度相关，反之亦然。这可以帮助您解释它们。

您还可以检查 t-SNE，这是一种基于概率分布的降维技术