下面对主成分分析的描述不正确的是（ ）
A: 主成份分析是一种特征降维方法
B: 主成分分析可保证原始高维样本数据被投影映射后，其方差保持最大
C: 在主成分分析中，将数据向方差最大方向进行投影，可使得数据所蕴含信息没有丢失，以便在后续处理过程中各个数据“彰显个性”
D: 在主成分分析中，所得低维数据中每一维度之间具有极大相关度
A: 主成份分析是一种特征降维方法
B: 主成分分析可保证原始高维样本数据被投影映射后，其方差保持最大
C: 在主成分分析中，将数据向方差最大方向进行投影，可使得数据所蕴含信息没有丢失，以便在后续处理过程中各个数据“彰显个性”
D: 在主成分分析中，所得低维数据中每一维度之间具有极大相关度
D
举一反三
- 下面对主成分分析和特征人脸描述不正确的是（ ） A: 主成份分析方法是一种保证数据被投影后方差最大的特征降维方法 B: 在主成份分析的降维过程中，尽可能将数据向方差最大方向进行投影，使得数据所蕴含信息没有丢失，彰显个性 C: 特征人脸方法是一种应用主成份分析来实现人脸图像降维的方法，其本质是用一种称为“特征人脸(eigenface)”的特征向量按照线性组合形式来表达每一张原始人脸图像，进而实现人脸识别 D: 假设原始灰度人脸图像维度是n*n，则特征人脸的维度是其一半
- 主成分分析是最著名的数据降维方法,那么以下哪些选项是正确的? A: 主成分分析是一种无监督方法 B: 它的目标是使得数据在低维空间中的方差最大 C: 主成分的最大数量不能超过原特征数 D: 所有主成分之间互相正交
- 主成分分析方法只是一种数据降维的方法
- 主成分分析算法目标是通过某种投影,将高维的数据映射到低维的空间中表示。(<br/>)
- 在SPSS中实现主成分分析的命令是在分析菜单中的哪个子菜单下？ A: “分析”-“降维”-“因子分析” B: “分析”-“降维”-“对应分析” C: “分析”-“降维”-“主成分分析” D: “分析”-“分类”-“主成分分析”
内容
- 0
主成分分析方法只是一种数据降维的方法。（） A: 正确 B: 错误
- 1
主成分分析（PCA）是一种重要的降维技术，以下对于PCA的描述正确的是（___）。 A: 主成分分析是一种无监督方法 B: 主成分数量一定小于等于特征的数量 C: 各个主成分之间相互正交 D: 原始数据在第一主成分上的投影方差最小
- 2
主成分分析和因子分析都可用于数据降维，其原理相同。
- 3
主成分分析的步骤是（ ）。 A: 中心化数据集-计算主成分矩阵-计算协方差矩阵-计算特征根-得到降维后的数据集 B: 中心化数据集-计算协方差矩阵-计算特征根-计算主成分矩阵-得到降维后的数据集 C: 计算协方差矩阵-计算主成分矩阵-计算特征根-中心化数据集-得到降维后的数据集 D: 计算协方差矩阵-计算特征根-中心化数据集-计算主成分矩阵-得到降维后的数据集
- 4
LDA(线性区别分析)与PCA（主成分分析）均是降维的方法，下面描述不正确的是（ ） A: PCA对高维数据降维后的维数是与原始数据特征维度相关（与数据类别标签无关） B: LDA降维后所得到维度是与数据样本的类别个数K有关（与数据本身维度无关） C: 假设原始数据一共有K个类别，那么LDA所得数据的降维维度小于或等于K−1 D: PCA和LDA均是基于监督学习的降维方法