关于主成分分析PCA说法正确的是:( )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

题目
关于主成分分析PCA说法正确的是:( )

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

相似考题

1.对于PCA(主成分分析)转化过的特征,朴素贝叶斯的”不依赖假设”总是成立,因为所有主要成分是正交的,这个说法是()A.正确的B.错误的

2.下面关于PCA的说法中，错误的是：A．PCA算法是从一组特征中计算出一组按重要性从大到小排列的新特征，它们是原有特征的线性组合，并且相互之间是不相关的。B．主成分分析的目的是将多个原始特征压缩为互不相关的少数综合特征的过程。C．通过PCA方法得到的新特征能够完全表达原始特征的信息。D．主成分分析方法需要计算原始特征的协方差矩阵或自相关矩阵。

3.关于主成分分析（PCA）的描述，正确的是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。

4.对于PCA说法正确的是()1.我们必须在使用PCA前规范化数据2.我们应该选择使得模型有最大variance的主成分3.我们应该选择使得模型有最小variance的主成分4.我们可以使用PCA在低维度上做数据可视化A.1,2and4B.2and4C.3and4D.1and3E.1,3and4

参考答案和解析
答案：ABD
更多“关于主成分分析PCA说法正确的是:( ) ”相关问题

  • 第1题：

    67、以下关于主成分分析的描述，哪些选项是正确的？

    A．主成分分析可以降低维度

    B．主成分分析可以简化分析

    C．主成分分析可以提高效率

    D．主成分分析没有应用价值


    AC

  • 第2题：

    主成分分析方法PCA属于属于python中的哪个包（）。

    A．sklearn

    B．pandas

    C．numpy

    D．scipy


    sklearn

  • 第3题：

    3、关于典型相关分析CCA与主成分分析PCA，下面说法错误的是

    A．考虑了变量的相关性信息

    B．PCA可以视为一种降维技术，CCA不可以视为一种降维技术

    C．都基于变量的线性变换

    D．是否进行归一化，都不影响分析结果


    B

  • 第4题：

    下面关于PCA算法的说法中错误的是

    A．PCA算法是通过变换矩阵得到原有特征的线性组合，新特征之间是线性相关的。

    B．第一主成分是原始特征的所有线性组合里是方差最大的。

    C．第一主成分和第二主成分是互不相关的。

    D．通过PCA方法得到的特征变换矩阵是由协方差矩阵所对应的最大的几个特征值所得到的特征向量构成的。


    通过 PCA 方法得到的新特征能够完全表达原始特征的信息。

  • 第5题：

    下列哪项不属于非限制性排序方法（）

    A．主成分分析（PCA）

    B．对应分析（CA）

    C．主坐标分析（PCoA）

    D．典范对应分析（CCA）


    典范对应分析（ CCA ）

相关内容