假设原始数据个数为n,原始数据维数为d,降维后的维数为l,下面对主成分分析算法描述不正确的是()。
A.主成分分析要学习一个映射矩阵,其大小是d×l
B.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
C.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
D.每个原始数据的维数大小从d变成了l
A.主成分分析要学习一个映射矩阵,其大小是d×l
B.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
C.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
D.每个原始数据的维数大小从d变成了l
第1题
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)
第2题
A.特征人脸方法是一种应用主成分分析来实现人脸图像降维的方法
B.特征人脸方法是一种称为“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
C.每一个特征人脸的维数与原始人脸图像的维数一样大
D.特征人脸之间的相关度要尽可能大
第4题
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
第10题
A.n
B.m
C.n-m
D.n=m+1