Bu teknik olmayan bir cevap olacak.
Haklısınız: PCA, esasen, her başarılı eksen mümkün olduğunca çok varyansı yakalayacak şekilde seçilen koordinat eksenlerinin bir rotasyonudur.
Bazı disiplinlerde (örneğin psikoloji gibi) insanlar ortaya çıkan eksenleri yorumlamak için PCA uygulamayı severler. Yani, ana eksen # 1'in (orijinal değişkenlerin belirli bir lineer kombinasyonu olan) belirli bir anlamı olduğunu söylemek isterler. Bu anlamı tahmin etmek için, lineer kombinasyondaki ağırlıklara bakarlardı. Bununla birlikte, bu ağırlıklar genellikle dağınıktır ve net bir anlam ayırt edilemez.
Bu durumlarda, insanlar bazen vanilya PCA çözeltisiyle biraz uğraşmayı seçerler. Belli sayıda ana ekseni alırlar (bazı ölçütler tarafından "anlamlı" kabul edilir) ve ek olarak , "basit yapı" elde etmeye çalışarak, yani yorumlanması daha kolay olan doğrusal kombinasyonları elde etmeye çalışarak döndürürler. Mümkün olan en basit yapıyı arayan belirli algoritmalar vardır; bunlardan birine varimax denir. Varimax rotasyonundan sonra, ardışık bileşenler artık mümkün olduğunca fazla sapma yakalamaz! PCA'nın bu özelliği, ek varimax (veya başka herhangi bir) dönüş yaparak kırılır.
Bu nedenle varimax döndürmeyi uygulamadan önce "döndürülmemiş" ana bileşenleriniz vardır. Daha sonra "döndürülmüş" temel bileşenler elde edersiniz. Başka bir deyişle, bu terminoloji , PCA rotasyonunun kendisini değil , PCA sonuçlarının sonradan işlenmesini ifade eder .
Tüm bunlar, döndürülen şeyin ana eksenler değil, yüklemeler olduğu gerçeğiyle biraz karmaşıktır. Ancak, matematiksel detaylar için sizi (ve ilgili herhangi bir okuyucuyu) buradaki uzun cevabıma yönlendiriyorum : PCA'nın ardından bir rotasyon (varimax gibi) hala PCA mı geliyor?