以下哪种方法可以实现对高维变量空间的降维处理()。
A.对应分析
B.聚类分析
C.因子分析
D.回归分析
A.对应分析
B.聚类分析
C.因子分析
D.回归分析
第1题
A.降维过程中可以保留原始数据的所有信息
B.多维缩放的目标是要保证降维后样本之间的距离不变
C.线性降维方法目标是要保证降维到的超平面能更好的表示原始数据
D.核线性降维方法目标是通过核函数和核方法来避免采样空间投影到高维空间再降维之后的低维结构丢失
第2题
A.主成分分析
B.因子分析
C.独立主成分分析
D.SVM
第6题
A.PCA和LDA均是基于监督学习的降维方法
B.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
C.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)
D.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)
第8题
A.主成分分析是一种常用的非线性降维方法
B.核化线性降维是一种常用的线性降维方法
C.流形学习是一种借鉴拓扑流形概念的降维方法
D.度量学习绕过降维的过程,将学习目标转化为对距离度量计算的权重矩阵的学习
第9题
A.因子分析是一种降维、数据简化技术
B.因子分析前,不需要对原始数据进行标准化处理
C.因子分析的假设前提是观测变量能够转换为一系列潜在因子的线性组合
D.因子分析中的公共因子是可以直接观测的共同影响因素
E.因子分析的出发点是从显在变量提炼潜在因子,判定和消除指标间的信息重叠
第10题
A.考虑了变量的相关性信息
B.都基于变量的线性变换
C.是否进行归一化,都不影响分析结果
D.PCA可以视为一种降维技术,CCA不可以视为一种降维技术