对于主成分分析方法，确定降维后低维空间的维数d的方法有（   ）。

试卷相关题目

• 1常见的核函数包括（）。

  A.多项式核

  B.高斯核

  C.线性核

  D.拉普拉斯核

  E.Sigmoid核

  开始考试点击查看答案
• 2许多功能更为强大的非线性模型可在线性模型基础上通过引入（  ）而得。

  A.层级结构

  B.高维映射

  C.降维

  D.分类

  开始考试点击查看答案
• 3当构造线性模型时，应注意变量间的相关性。在相关矩阵中搜索相关系数时，如果发现3对变量的相关系数是（Vari和Var2、Var2和Var3、Var3和Vari ）,相关系数 分别是-0.98. 0.45. 1.23,则可以得出的结论有（）。

  A.Var1和Var2是非常相关的

  B.因为Var1和Var2是非常相关的，可以去除其中一个

  C.Var3和Var1的相关系数1.23是不可能的

  开始考试点击查看答案
• 4可以帮助解决训练集在特征空间中线性不可分的问题的方法有（  ）o

  A.硬间隔

  B.软间隔

  C.核函数

  D.拉格朗日乘子法

  E."

  开始考试点击查看答案
• 5下列关于相关与线性关系的说法正确的有（ ）。

  A.相关不一定是线性关系，可能是非线性关系

  B.相关一定是线性关系，不可能是非线性关系

  C.相关时若有相关系数为0,说明两个变量之间不存在线性关系，仍可能存在非线性关系

  D.相关系数为0是两个变量独立的必要不充分条件

  开始考试点击查看答案
• 6下列关于PCA的说法正确的有（   ）。

  A.在使用PCA之前，我们必须标准化数据

  B.应该选择具有最大方差的主成分

  C.应该选择具有最小方差的主成分

  D.可以使用PCA在低维空间中可视化数据

  开始考试点击查看答案
• 7下列关于降维方法的叙述正确的有（ ）。

  A.主成分分析是一种常用的非线性降维方法

  B.核化线性降维是一种常用的线性降维方法

  C.流形学习是一种借鉴拓扑流形概念的降维方法

  D.度量学习绕过降维的过程，将学习目标转化为对距离度量计算的权重矩阵的学习

  开始考试点击查看答案
• 8特征选择方法有（ ）。

  A.AIC赤池信息准则

  B.LARS嵌入式特征选择方法

  C.LVW包裹式特征选择方法

  D.Relief过滤式特征选择方法

  开始考试点击查看答案
• 9下列说法正确的有（   ）。

  A.条件独立性假设不成立时，朴素贝叶斯分类器仍有可能产生最优贝叶斯分类器

  B.在估计概率值时使用的拉普拉斯修正避免了因训练集样本不充分而导致概率估值为零的问题

  C.由于马尔可夫链通常很快就能趋于平稳分布，因此吉布斯采样算法的收敛速度很快

  D.二分类任务中两类数据满足高斯分布且方差相同时，线性判别分析产生贝叶斯最优分类器

  开始考试点击查看答案
• 10数据挖掘的主要功能包括概念描述、趋势分析、孤立点分析、（   ）等方面。

  A.关联分析

  B.分类和预测分析

  C.聚类分析

  D.偏差分析

  开始考试点击查看答案