由于 ICA 是 PCA（主成分分析）的一种概括，因此可以使用它来直观地了解该过程。

在 PCA 中，我们创建了一个新的坐标系，我们可以在其中表示每个数据样本。
因此，如果每个样本有 10 维数据，我们在新坐标系上就有 10 个分量。
经典的聚类方法是使用少于 10 个组件（称为Dimensionality Reduction的过程）。然后可以应用他选择的聚类算法，其中K-Means 聚类是经典选择。

同样的想法也适用于 ICA。一旦您在新的表示系统中获得了数据的表示，您将在其（或其中的一部分）上应用聚类算法。

一些动手示例由以下人员提供：

1. Kaggle - 无监督学习：PCA 和聚类。
2. SciKit Learn - 无监督学习：寻找数据的表示。