如果结果不匹配，请 
更多“无监督学习:对无标签数据进行聚类和降维，常见的聚类和降维分别…”相关的问题
第2题
数据聚类具有以下哪些特点（)
A.聚类是对整个样本集的划分，而不是对单个样本的识别
B.聚类的依据是“样本间的相似程度”
C.聚类结果是“无遗漏”、“无重复”的
D.数据聚类是典型的的有监督学习
第4题
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)
第6题
下面关于机器学习的说法中,正确的有（)。
A.监督学习的监督体现在所有机器要处理的数据实现都要由人为定义好相应的类别,再对分类算法进行训练,最后得到可以使用的分类器
B.按照不同的学习理论划分,机器学习模型可以分为有监督学习、半监督学习、无监督学习以及强化学习等不同类型
C.有监督学习的数据集有标签,无监督相比于有监督,没有训练过程,而是直接拿数据进行建模分析
D.在实际应用中,机器学习主要以无监督学习或半监督学习方式为主
第10题
工业人工智能算法的选择与使用，如果分析的对象处于一个集群中，同时有多台相同或相似的设备也处于监测状态下，可以考虑（)。
A.考虑应用相似性学习或者广度学习的方法,分析该设备和其近邻设备的关系或利用近邻设备的信息估算该设备的状态
B.利用深度学习全面挖掘数据中的隐含信息
C.考虑聚类算法对工况进行聚类，并针对每一种工况条件进行分析
D.釆用有监督学习的算法，用历史数据中的健康和故障数据建立模型并对当前采集的信号进行分析
