A.主成分分析和因子分析虽然都用于数据降维,但它们存在差异。
B.主成分分析是把主成分表示成各个变量的线性组合。
C.因子分析仅仅是变量变换,用原始变量的线性组合表示新的综合变量,不含随机误差。
D.因子分析是把变量表示成各因子的线性组合。
第1题
A、因子分析是常见的数据降维方法
B、因子分析并不依赖于原始变量
C、因子分析是主成分分析的一个特例
D、原始变量如果本质上独立,那么没有必要做因子分析
E、提取出来的公因子对变量的解释程度越高,说明提取的公因子包含原有变量的信息量越大
第2题
A、主成分分析采用降维思想
B、proc princomp是SAS中调用主成分模块的命令
C、主成分分析是根据因子载荷确定选取的主成分个数
D、主成分个数的多少通常以能够反映原来变量85%以上的信息量为依据
第3题
A.叠置分析一般基于栅格数据进行,对矢量数据无法实施
B.对于一组数据点或变量,按期性质上的亲疏远近程度进行分类的空间统计分析称为变量聚类分析
C.任何目标产生的缓冲区总是一些多边形
D.主成分分析法、主因子分析法和关键变量分析法是变量筛选分析的常用方法
第4题
A、主成分分析和因子分析都属于降维技术
B、原始变量间的相关性越强,主成分分析或者因子分析的效果越好
C、既可以对变量进行因子分析,也可以对样品进行因子分析
D、主成分分析和因子分析的本质是一样的
第6题
A、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
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、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
D、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
第9题
B我们应该选择使得模型有最大variance的主成分
C我们应该选择使得模型有最小variance的主成分
D我们可以使用PCA在低纬度上做数据可视化
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!