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
第1题:
因子分析是主成分分析的发展,主成分分析是进行因子分析的一种重要方法。()
第2题:
A.主元分析
B.多维尺度分析
C.线性判别分析
D.局部线性嵌入
第3题:
请描述主成份分析(PCA)算法步骤
第4题:
主成分分析法和因子分析法的联系和区别是什么?
第5题:
()是将多个变量通过线性变换以选出较少个数重要变量的一种多元统计分析方法,又称主分量分析。
第6题:
下面属于维归约常用的线性代数技术的有()
第7题:
二阶分析方法与非线性分析方法有何区别?
第8题:
下列对于非线性回归的说法正确的是()
第9题:
回归分析中,依据描述的自变量与因变量之间的因果关系的函数表达式是线性还是非线性的,分为线性回归分析和非线性回归分析
对具有非线性关系的因变量与自变量进行回归分析
处理非线性回归的基本方法是,通过变量变换,将非线性回归化为线性回归,然后用线性回归方法处理
通常线性回归分析方法是最基本的分析方法,遇到非线性回归问题可以借助教学手段化为线性回归问题处理
第10题:
方差分析
回归分析
聚类分析
主成分分析
第11题:
主成分分析
特征提取
奇异值分解
特征加权
离散化
第12题:
第13题:
()都是高维空间向低维空间映射变换的方法,通过云除数据值方差小的维度,进行降维。
A.线性鉴别分析
B.主成分分析
C.流形分析
D.图模型
第14题:
A我们必须在使用PCA前规范化数据
B我们应该选择使得模型有最大variance的主成分
C我们应该选择使得模型有最小variance的主成分
D我们可以使用PCA在低纬度上做数据可视化
第15题:
判别分析方法经常与哪类多元分析方法联合使用()。
第16题:
什么是因子分析?它与主成分分析的区别如何?
第17题:
简述单萜类与二萜类成分在分析方法上的区别。
第18题:
变量的量纲比如以厘米或者米为单位对下面哪种方法会有影响()
第19题:
一下对非线性回归的说法正确的是()
第20题:
在模式识别研究方法中,最有用且最易使用的模式识别技术()
第21题:
第22题:
第23题:
第24题: