主成分分析法PCA是一种典型的（ ）方法。
A: 特征选择
B: 特征降维
C: 线性判别
D: 特征包装
A: 特征选择
B: 特征降维
C: 线性判别
D: 特征包装
举一反三
- 中国大学MOOC: 关于特征降维方法有线性判别分析（LDA）和主成分分析法（PCA），错误的是
- 在降维技术方面，LDA的中文含义是（ ）。 A: 线性判别方法 B: 数据压缩技术 C: 特征选择技术 D: 主成分分析
- 下列哪些方法可以用来对高维数据进行降维？（ ） A: LASSO B: 聚类分析 C: 线性判别法 D: 小波分析法 E: 拉普拉斯特征映射 F: 主成分分析法
- 下列可以用于特征降维的方法有( )。 A: 主成分分析 PCA B: 线性判别分析 LDA C: 深度学习 SparseAutoEncoder D: 矩阵奇异值分解 SVD
- 下列哪些方法可以用于特征降维的？（） A: 主成分分析PCA B: 线性判别分析LDA C: AutoEncoder D: 矩阵奇异值分解SVD E: 最小二乘法LeastSquares