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
举一反三
- 中国大学MOOC: 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（ ）
- 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
- 下列方法中，可以用于特征降维的方法包括（ ） A: 矩阵奇异值分解SVD B: 主成分分析PCA C: 线性判别分析LDA D: 深度学习SparseAutoEncoder E: 最小二乘法LeastSquares
- 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 A: LDA和PCA的共同点是，都可以将原始的样本映射到维度更低的样本空间 B: LDA是为了让映射后的样本有最好的分类性能。即LDA是一种有监督的降维方法 C: PCA是为了让映射后的样本具有最大的发散性，即PCA是一种无监督的降维方法 D: LDA和PCA都是有监督的降维方法