主成分分析とは、多変量データを統合し、新たな総合指標を作り出すための手法といえます。
多くの変数に重み（ウェイト）をつけて少数の合成変数を作るのが主成分分析です。
重みのつけ方は、合成変数ができるだけ多く元の変数の情報量を含むようにします。
できるだけ多くの情報をもつ合成変数（主成分）を順次作っていきます。
・・本来は画像あり
なぜ次元を削減する必要があるかと言うと、機械学習や統計において、
次元の呪いという現象を回避するためです。
この次元の呪いとはデータの次元数が多くなるにしたがって、
データの取得や分析の際にあらわれる現象のことを指しており、
分析、予測の際の計算時間の増大やデータが疎（空間上でまばら）になることをもたらします。
そのため、次元数が多いデータセットについては前処理として主成分分析を行い、次元の削減の可能性を検討します。
[Python][Scikit-learn]主成分分析を用いた次元削減、主成分ベクトルを用いた予測と線形回帰による予測の比較
数学的な概念をここに記載する。
何も考えず、主成分分析を簡単に行いたい場合は、
以下のサイトのアプリが最適です。
http://d.hatena.ne.jp/hoxo_m/20120106/p1