第4题
A.并不是一定要进行特征降维,可以自行分析生成结果,判断是否需要
B.必须要进行,否则会对分类结果造成巨大影响
C.没必要进行,特征的维度对分类结果没有影响
D.其余三个说法都不对
第6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7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.特征人脸之间的相关度要尽可能大
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.特征人脸方法是用一种称为“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
第8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
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!