A、主成分分析的过程就是坐标系刚性旋转的过程
B、各主成分表达式就是新坐标系与原始坐标系的转换关系
C、在新坐标系中,各坐标轴的方向就是原始数据变差最大的方向
D、把由构成的p维坐标系进行旋转而构成新的坐标系,使得样本在延着坐标轴方向有最小的离散程度(方差最小)
第1题
A、主成分分析的过程就是坐标系刚性旋转的过程
B、各主成分表达式就是新坐标系与原始坐标系的转换关系
C、在新坐标系中,各坐标轴的方向就是原始数据变差最大的方向
D、把由构成的p维坐标系进行旋转而构成新的坐标系,使得样本在延着坐标轴方向有最小的离散程度(方差最小)
第2题
A、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
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、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
D、假设原始灰度人脸图像维度是n*n,则特征人脸的维度是其一半
第4题
A、主成分分析和因子分析虽然都用于数据降维,但它们存在差异。
B、主成分分析是把主成分表示成各个变量的线性组合。
C、因子分析仅仅是变量变换,用原始变量的线性组合表示新的综合变量,不含随机误差。
D、因子分析是把变量表示成各因子的线性组合。
第8题
A、主成分分析要学习一个映射矩阵,其大小是d×l
B、每个原始数据的维数大小从d变成了l
C、主成分分析学习得到了l个d维大小的向量,这l个d维向量之间彼此相关
D、在主成分分析中,我们将带约束的最优化问题,通过拉格朗日乘子法将其转化为无约束最优化问题
第10题
A、PCA包括了K-L变换。
B、标准PCA使用了波段的相关矩阵。
C、标准PCA使用了协方差矩阵,目标是数据压缩。
D、以相关矩阵进行的PCA计算,偏重于图像分析,所产生的结果具有更好的解释性,但失去了数据压缩的优势。
为了保护您的账号安全,请在“上学吧”公众号进行验证,点击“官网服务”-“账号验证”后输入验证码“”完成验证,验证成功后方可继续查看答案!