PCA 是用于寻找最重要组件的无监督方法。我看不出你应该增加重量的理由。如果您知道哪些功能很重要，为什么还要使用 PCA？或者对不确定重要性的特征执行 PCA。

此外，分量是在具有最高方差的方向上创建的，并且重要性通过特征值来衡量。所以我可以想象你可以以某种方式增加方差（就像 Jan van der Vegt 提出的那样）。但这是一个输出非常可疑的巫术。

标准化数据后，您可以将特征与权重相乘以在主成分分析之前分配权重。赋予更高的权重意味着特征内的方差会上升，这使得它更加重要。

标准化（均值 0 和方差 1）对于 PCA 很重要，因为它正在寻找一个新的正交基，其中原点保持不变，因此以原点为中心的数据是好的。第一个主成分是方差最大的方向，通过缩放权重大于 1 的某个特征将增加该轴上的方差，从而赋予该轴更多的权重，将第一个主成分拉向它的方向。