要正确回答您的问题，有必要了解 PCA 轴的含义。

主成分是根据在多维向量中发现的线性相关性构建的。很难给它们一个正确的含义，它们只是从统计的角度来看是相关的，但是如果你看到它们的标签，你可以看到它们是否共享一个共同的领域（例如“吉他”和“钢琴”可能很接近到定义“声音”的主成分）。

另一方面，簇越集中，点之间的相关性越强，但您必须考虑它们与主成分轴的距离。

例如，如果有一个集中的簇正或负地非常接近 PC2 轴，但远离 PC1，这意味着它们与 PC2 高度相关，但与 PC1 没有相关性。

然后，如果 2 个簇相对于 0 是相反的，则它们都是反相关的。

如果 2 个簇相对于 0 成 90° 角，则它们没有相关性。