关于主成分分析PCA说法不正确的是()
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.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.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
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
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
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在低维度上做数据可视化
A.增加模型复杂度,模型在测试集上的准确率就能更好
B.L2正则化的解通常是稀疏的,L1正则化可以使得参数趋向于更平滑
C.对于PCA,我们应该选择是的数据具有最小Variance的主成分
D.每次使用K-means算法得到的聚类结果可能会不一样