没有不同。debug(prcomp)运行前输入prcomp。函数的第三行显示：x <- scale(x, center = center, scale = scale.); IE。如果您scale = TRUE在函数调用期间设置，您将在函数内缩放，或者您将由您最初完成缩放。

话虽如此，通常在应用 PCA 时，缩放变量是一个好主意。否则，某些变量的大小决定了样本中变量之间的关联。除非您的所有变量都以相同的比例记录和/或变量大小的差异感兴趣，否则我建议您在 PCA 之前对数据进行标准化。此问题已在 CV 中多次重新讨论，例如。1、2、3。_ _ _ _

使用相关矩阵等同于标准化每个变量（平均为 0，标准差为 1）。一般来说，有和没有标准化的 PCA 会给出不同的结果。特别是当尺度不同时。

scale=TRUE 基于相关矩阵的 PCA 和基于协方差矩阵的 FALSE

例如：

#my data
set.seed(1)
x<-rnorm(10,50,4)
y<-rnorm(10,50,7)
df<-data.frame(x,y) 

PCA based on covariance matrix and on Correlation matrix
PCA_df.cov <- prcomp(df, scale=FALSE)
PCA_df.corr <- prcomp(df, scale=TRUE)