(单选题, 1.0 分)主成分分析中,起点是样本的( )。A. 指标矩阵B. 协方差矩阵或相关系数矩阵C. 协方差矩阵 错D. 相关系数矩阵

主成分分析（PCA）的核心在于通过降维技术提取数据的主要特征。其起点是分析变量之间的相关性或离散程度，因此需要构建反映变量间关系的矩阵。关键点在于：

1. 标准化处理：若变量量纲不同，需先标准化。
2. 协方差矩阵或相关系数矩阵：标准化后，协方差矩阵等价于相关系数矩阵，两者均可作为分析起点。

主成分分析的步骤通常为：

1. 标准化数据（若变量量纲不同）。
2. 计算协方差矩阵或相关系数矩阵：反映变量间的相关性或离散程度。
3. 计算特征值和特征向量：确定主成分方向。
4. 选择主成分：基于特征值大小筛选重要成分。

选项解析：

• A. 指标矩阵：指原始数据矩阵，但PCA需先转化为协方差或相关系数矩阵，非直接起点。
• B. 协方差矩阵或相关系数矩阵：正确，PCA通过分析变量间关系矩阵进行降维。
• C. 协方差矩阵：仅包含协方差，未考虑标准化后的情况。
• D. 相关系数矩阵：仅包含相关系数，未涵盖协方差的应用场景。