主成分分析（Principal Component Analysis, PCA）...可能少，同时又保留尽可能多的原数据特征。
举一反三
- 使用主成分分析的注意事项不包括（ ）。 A: 主成分分析最好使用相关系数矩阵 B: 主成分分析一般不做旋转 C: 主成分分析保留特征值小于1的主成分 D: 主成分分分析一般保留能解释原来数据信息量80%的主成分
- 下列符合动物实验伦理要求的是( ) A: 尽可能用高等动物代替低等动物 B: 用尽可能少的实验动物获得尽可能多的实验数据 C: 尽可能用活体动物代替无知觉的实验材料 D: 遵守3R原则,善待实验动物
- 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
- 主成分分析(PCA)产生不相关的数据，独立成分分析(ICA)可以区分不正常或独立的源信号，因此两种方法是相互独立的。
- 关于无监督学习，哪些是对的（）。 A: A: 无监督学习的训练数据没有输出标记， 它的学习目标是推断出存在于训练数据中的内在结构 B: B: 主成分分析(PCA)和聚类分析(Clustering Analysis)是两种常见的无监督学习 C: C: 主成分分析(PCA)通过对高维数据提取主要成分-正交且方差最大的部分 D: D: 聚类分析用于对具有共享属性的数据集进行分组