L'analyse en composantes principales (ACP, PCA) projette les données sur de nouveaux axes orthogonaux, les composantes principales, classés par variance expliquée décroissante. Elle réduit le nombre de dimensions en conservant le maximum d'information, et sert à visualiser ou à décorréler. Les variables doivent être standardisées.
Exemple
PCA(n_components=2).fit_transform(X_s)