题目内容
（请给出正确答案）
[多选题]
下列方法中，可以用于特征降维的方法包括（）。
A.主成分分析PCA
B.线性判别分析LDA
C.深度学习SparseAutoEncoder
D.矩阵奇异值分解SVD
查看答案
如果结果不匹配，请 联系老师 获取答案
题目内容
（请给出正确答案）
如果结果不匹配，请 联系老师 获取答案
题目内容
（请给出正确答案）
A.主成分分析PCA
B.线性判别分析LDA
C.深度学习SparseAutoEncoder
D.矩阵奇异值分解SVD
如果结果不匹配，请 联系老师 获取答案
更多“下列方法中，可以用于特征降维的方法包括（）。”相关的问题
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
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
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.LDA是一种典型的词袋模型
B.LDA可以用于文档降维
C.LDA用于短文本效果不佳是因为一个词被分配给某个主题的次数和一个主题包括的词数目尚未收敛
D.LDA可以得到文档的具体主题
E.LDA是在PLSA模型的基础上加了贝叶斯框架
A.由用户事先指定
B.通过在d值不同的低维空间中对开销较小的学习器进行交叉验证来选取
C.可从重构的角度设置一个重构阈值，选取使得特定公式成立的最小值
D.随机设置
