因子分析在主成分分析的基础上进行了权重旋转，其得到的结果比主成分分析的结果具有更强的解释性

正确答案是D: 因子分析的结果比主成分分析的结果具有更强的解释性。

### 专业分析：

**主成分分析（PCA）** 和 **因子分析（FA）** 都是用于降维和数据简化的统计方法，但它们的目的和方法有所不同。

1. **主成分分析（PCA）**：
- **目的**：主要目的是通过线性变换将原始数据转换成一组新的不相关的变量（称为主成分），这些主成分按其方差大小排序。PCA主要用于数据降维和特征提取。
- **方法**：PCA通过最大化方差来找到主成分，因此它是一种线性变换方法。
- **解释性**：PCA的主成分是原始变量的线性组合，但并不一定具有明确的解释性。它更多是为了保留数据的方差信息，而不是解释潜在结构。

2. **因子分析（FA）**：
- **目的**：因子分析的主要目的是识别和解释观测变量之间的潜在因子或潜在结构。它假设观测变量是由少数几个潜在因子和误差项线性组合而成的。
- **方法**：FA通过最大化观测变量与潜在因子的相关性来找到因子，因此它也是一种线性变换方法。
- **解释性**：因子分析的结果通常比主成分分析更具有解释性，因为它试图找到观测变量背后的潜在因子，这些因子可以解释变量之间的相关结构。

### 区别总结：

- **监督学习与否**：主成分分析和因子分析都不是监督学习算法，它们都是无监督学习算法。
- **线性与非线性**：主成分分析和因子分析都是线性变换方法。
- **解释性**：因子分析的结果比主成分分析的结果具有更强的解释性，因为因子分析旨在揭示数据背后的潜在因素，而主成分分析主要关注数据的方差。

因此，选项D是正确的。