题目内容
(请给出正确答案)
[多选题]
我们想要减少数据集中的特征数,即降维。选择以下适合的方案①使用前向特征选择方法 ②使用后向特征排除方法 ③我们先把所有特征都使用,去训练一个模型,得到测试集上的表现 然后我们去掉一个特征,再去训练,用交叉验证看看测试集上的表现,如果表现比原来还要好,我们可以去除这个特征 ④查看相关性表,去除相关性最高的一些特征()
A.①②
B.②③④
C.①②④
D.①②③④
如搜索结果不匹配,请 联系老师 获取答案
A.①②
B.②③④
C.①②④
D.①②③④
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8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)
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!