Die Hauptkomponentenanalyse (Principal Component Analysis oder kurz PCA) ist ein Verfahren der Statistik, um Datensätze bezüglich der Varianz der einzelnen Variablen zu bewerten. Das Ziel der Analyse ist es, die Daten zu vereinfachen, um diese anschließend beispielsweise zu veranschaulichen oder effizienter verarbeiten zu können.

Im Wesentlichen sieht das Verfahren vor, eine Singulärwertzerlegung der Kovarianzmatrix zu bestimmen. Das Ergebnis liefert die Hauptkomponenten (Eigenvektoren) sowie die Varianzen der Variablen (Eigenwerte) absteigend sortiert.

Zum Einsatz kommt das Verfahren insbesondere auch bei der Datenverarbeitung und dem maschinellen Lernen. Denn in diesen Disziplinen hat man es häufig mit großen Datenmengen zu tun, die es zu vereinfachen gilt.