以下关于PCA说法错误的是（）
A: 会舍弃原有数据、创造新的变量
B: 常用于数据降维
C: 数据维数压缩，会损失少量信息
D: 是有监督学习方法
A: 会舍弃原有数据、创造新的变量
B: 常用于数据降维
C: 数据维数压缩，会损失少量信息
D: 是有监督学习方法
D
举一反三
- 关于降维，下列说法错误的是（ ）。 A: 降维后的数据集的维度将比降维前少 B: 有效降维能减少冗余信息，提高模型精度和运行效率 C: 特征选择不会改变数据，仅从原有变量中找出主要变量 D: 特征提取从原有数据中提取主要成分，不会改变原有数据
- 掌握PCA的数据降维方法
- 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
- 以下不是数据降维方法的是（） A: PCA B: LDA C: LPP D: AHP
- LDA降维和PCA降维的相同之处包括（ ）。 A: 都可以用于分类 B: 都是有监督的降维方法 C: 两者在降维时均使用了矩阵特征分解的思想 D: 两者均可以对数据进行降维 E: 两者都假设数据符合高斯分布
内容
- 0
下面哪种方法可用于数据降维（） A: PCA B: SVM C: NBayes D: Apriori
- 1
PCA是有监督的降维方法
- 2
数据降维有哪些常用的方法？
- 3
PCA是一种有监督的降维方法。
- 4
最常用的降维算法是PCA，以下哪项是关于PCA是正确的 A: PCA是一种无监督的方法 B: .它搜索数据具有最大差异的方向 C: 主成分的最大数量 D: .所有主成分彼此正交