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.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.传感器的静态特性是指对于静态的输入信号,传感器的输出量与输入量之间所具有的相互关系,此时输入信号和输出量均与时间无关;而当传感器的输入量随时间变化时,其输出量的响应特性就是动态特性
B.衡量传感器的动态特性则主要用传感器对某些标准输入信号的响应来反映。如阶跃响应(包含过渡响应过程中特性参数:时间常数、上升时间、响应时间、振荡次数、稳态误差等)和频率响应(各阶传感器的数学模型)
C.传感器的基本特性是指传感器的输出与输入之间关系的特性,一般分为静态特性和动态特性两大类
D.衡量传感器的静态特性必的重要指标主要是测量范围、线性度、迟滞、重复性、灵敏度、分辨力和温度稳定性等
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
设ε1,ε2,ε3,ε4四维线性空间V的一组基,已知线性变换在这组基下的矩阵为
1)求在基下的矩阵;
2)求的核与值域;
3)在的核中选一组基,把它扩充成V的一组基,并求在这组基下的矩阵;
4)在的值域中选一组基,把它扩充成V的一组基,并求在这组基下的矩阵。