A.只要保证同一类别样本尽可能靠近
B.既要保证同一类别样本尽可能靠近,也要保证不同类别样本尽可能彼此远离
C.既要保证不同类别样本尽可能靠近,也要保证同一类别样本尽可能彼此远离
D.只要保证不同类别样本尽可能彼此远离
第1题
A.逻辑斯蒂回归和线性区别分析都是直接在数据原始空间进行分类
B.以上都不正确
C.逻辑斯蒂回归可直接在数据原始空间进行分类,线性区别分析需要在降维所得空间中进行分类
D.逻辑斯蒂回归在降维所得空间中进行分类,线性区别分析在数据原始空间进行分类
第2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3题
A.在主成分分析中,所得低维数据中每一维度之间具有极大相关度
B.主成分分析可保证原始高维样本数据被投影映射后,其方差保持最大
C.在主成分分析中,将数据向方差最大方向进行投影,可使得数据所蕴含信息没有丢失,以便在后续处理过程中各个数据“彰显个性”
D.主成份分析是一种特征降维方法
第4题
A.高维数据只能表达键值对数据
B.“键值对”是高维数据的主要特征
C.高维数据用来表达索引和数据之间的关系
D.高维数据可用于表达一二维数据
第5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9题
A.运维设备-运维系统数据-BIM模型数据-终端设备
B.运维系统数据-运维设备-BIM模型数据-终端设备
C.运维系统数据-BIM模型数据-运维设备-终端设备
D.运维系统数据-BIM模型数据-终端设备-运维设备
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!