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
更多“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…”相关的问题
第2题
下面对特征人脸算法描述不正确的是（)。
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
下面对主成分分析和特征人脸描述不正确的是()。
A.假设原始灰度人脸图像维度是n*n，则特征人脸的维度是其一半
点击查看答案
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
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)
热门考试
全部 >
相关试卷
全部 >
2024年北京市建筑三类人员《企业主要负责人A证》模拟卷（十）2024年北京市建筑三类人员《企业主要负责人A证》模拟卷（九）2024年北京市建筑三类人员《企业主要负责人A证》模拟卷（八）2024年北京市建筑三类人员《企业主要负责人A证》模拟卷（七）2024年北京市建筑三类人员《企业主要负责人A证》模拟卷（六）2024年北京市建筑三类人员《企业主要负责人A证》模拟卷（五）2024年北京市建筑三类人员《企业主要负责人A证》模拟卷（四）2024年北京市建筑三类人员《企业主要负责人A证》模拟卷（三）2024年北京市建筑三类人员《企业主要负责人A证》模拟卷（二）2024年北京市建筑三类人员《企业主要负责人A证》模拟卷（一）
