去混合主成分分析（dPCA）

去混合 PCA 是一種降維方法，與普通 PCA 不同，它把群體活動分解為各自對應於某特定任務參數的成分。它將試驗平均後的資料拆成若干邊際化——分別歸因於刺激、決策、經過時間及其交互作用的變異部分——並找出既能捕捉變異又彼此去混合的低維成分，使刺激成分隨刺激變化而不隨時間變化，其餘依此類推。其目標是在保留 PCA 大部分可解釋變異的同時，維持監督式分解的可解讀性。

當一個群體同時多工承載數個任務變數，而人們想要一幅緊緻且帶標籤的圖像來看各變數各占多少活動時，dPCA 便有其價值，例如將條件無關的計時成分與方向相依的成分分離開來。其假設是相關因子為已知且離散、實驗設計在各因子間（近似）平衡，且線性分解足以描述；它作用於試驗平均後的結構，本身並不建模單試驗動力學，後者更適合以軌跡方法處理。