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（ ）
举一反三
- 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
- 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
- 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