对于主成分分析（PCA），以下选项是正确的：

**A: PCA会自动的来做降维的操作**

**解释**：PCA的主要目标之一是降维。通过提取数据中方差最大的方向（主成分），PCA能够在保留数据最重要特征的前提下，减少维度。

---

**B: 变化过后的新的特征，两两之间完全独立**

**解释**：在PCA中，新的特征（主成分）是正交的，这意味着它们之间没有线性相关性，因此是独立的。主成分是通过特征向量构建的，这些向量彼此正交，因此满足这点。

---

**C: 新的特征的方差就是其所对应的特征值**

**解释**：在PCA中，每个主成分的方差对应该主成分的特征值。特征值的大小表示该主成分的“重要性”或解释的数据方差的程度。

---

**D: 做PCA最好需要做标准化**

**解释**：进行PCA之前，通常需要对数据进行标准化（即均值为0，方差为1的标准化），特别是在原始数据特征具有不同的量纲或尺度时。否则，量纲较大的特征可能会对主成分的方向产生更大的影响。

因此，所有选项A、B、C、D都是正确的。以下是简单的总结表格：

| 选项 | 是否正确 | 分析 |
|-------|----------|---------------------------------------------------------|
| A | 是 | PCA通过提取数据中最大方差方向来实现降维。 |
| B | 是 | 新的特征是正交的，故相互独立。 |
| C | 是 | 主成分的方差等于其对应的特征值。 |
| D | 是 | 标准化有助于避免不同单位特征对主成分分析的影响。 |

在应用PCA时，以上这几点是需要特别注意的，以确保分析结果的准确性和可靠性。