主成分分析（PCA）可能是用于恢复低阶数据结构的最广泛的统计工具之一。在高维设置中，样本协方差的主导特征向量可以近似与真实特征向量正交。然后通常假设稀疏结构和低秩结构。最近，在各种有趣的设置下建立了稀疏PCA的极小极大估计率。另一方面，贝叶斯方法在高维估计中越来越流行，但很少有工作将频率特性与贝叶斯算法联系起来用于高维数据分析。本文提出了稀疏PCA问题的先验知识，并分析了其理论性质。先验适应稀疏性和秩。证明了后验分布在最优极小极大率下与真值相一致。此外，还讨论了一类情形下的计算效率策略。