主成分分析中，主成分的选择通常是按照原始变量的方差协方差矩阵的特征值的大小排序来进行的，选择前k个主成分作为新的特征空间。

在主成分分析（PCA）中，主成分的选择通常是按照特征值的大小排序来进行的。因此，正确答案是A: 特征值。

### 专业分析：

主成分分析是一种降维技术，旨在通过线性变换将原始数据转化为新的变量集合，这些新变量称为主成分。每个主成分都是原始变量的线性组合，并且彼此之间不相关。

具体步骤如下：

1. **数据标准化**：为了使每个变量具有相同的权重，通常需要对数据进行标准化处理，使其均值为0，方差为1。

2. **计算协方差矩阵或相关系数矩阵**：根据数据是否已经标准化，选择计算协方差矩阵（未标准化数据）或相关系数矩阵（标准化数据）。

3. **特征值和特征向量的计算**：对协方差矩阵或相关系数矩阵进行特征值分解，得到特征值和特征向量。特征值表示每个主成分的方差大小，特征向量则表示主成分的方向。

4. **排序特征值**：将特征值按从大到小的顺序排列，对应的特征向量也按相同顺序排列。特征值越大，表示该主成分能够解释的数据变异越多，因此选择特征值较大的主成分。

5. **选择主成分**：根据特征值的大小，选择前几个特征值较大的主成分，通常通过累积方差贡献率来决定选择多少个主成分。

通过上述步骤，主成分分析能够有效减少数据的维度，同时保留尽可能多的原始数据的变异信息。

因此，主成分的选择是按照特征值的大小排序来进行的。