无解析

正确答案是B: 方差。

专业分析：

主成分分析（PCA）是一种常用于降维的技术，其主要目标是通过线性变换将高维数据投影到低维空间，同时尽可能保留原始数据中的信息量。PCA的核心思想是找到数据中方差最大的方向，这些方向称为主成分。

具体来说，PCA通过以下步骤来判断某一个坐标轴（即主成分）中的信息量：

1. **计算协方差矩阵**：首先计算数据的协方差矩阵，协方差矩阵反映了数据的各个维度之间的线性关系。

2. **特征值分解**：对协方差矩阵进行特征值分解，得到特征值和特征向量。特征向量代表主成分的方向，而特征值则表示这些主成分方向上的方差大小。

3. **排序特征值**：将特征值按从大到小的顺序排序，对应的特征向量也相应排序。特征值越大，表示该方向上的方差越大，即该方向上包含的信息量越多。

因此，PCA是通过方差来判断某一个坐标轴（主成分）中的信息量的多少，方差越大，信息量越多，越重要的主成分会被优先保留下来。

综上所述，PCA通过方差来确定每个主成分的优先级和重要性，因此正确答案是B: 方差。