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)
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
A.在使用PCA之前,我们必须标准化数据
B.应该选择具有最大方差的主成分
C.应该选择具有最小方差的主成分
D.可以使用PCA在低维空间中可视化数据
B.在主成份分析的降维过程中,尽可能将数据向方差最大方向进行投影,使得数据所蕴含信息没有丢失,彰显个性
C.主成份分析方法是一种保证数据被投影后方差最大的特征降维方法
D.特征人脸方法是一种应用主成份分析来实现人脸图像降维的方法,其本质是用一种称为“特征人脸(eigenface)”的特征向量按照线性组合形式来表达每一张原始人脸图像,进而实现人脸识别
A.5G流量≥50M,购机号码当月流量≥10GB
B.5G流量≥30M,购机号码当月流量≥1GB
C.5G流量≥50M,购机号码当月流量≥1GB
D.5G流量≥50M,购机号码当月流量≥10GB