首页
主成分分析是一种经典的增加分析变量的方法，它将数据从原始的低维空间投影到高维空间。
精华吧
→
答案
→
远程教育
→
国家开放大学
主成分分析是一种经典的增加分析变量的方法，它将数据从原始的低维空间投影到高维空间。
A、正确
B、错误
正确答案：B
Tag：
变量
成分
方法
时间：2024-03-21 12:21:52
上一篇：
设定虚拟变量时应当遵循如下哪些原则（）。
下一篇：
下列关于主成分的属性说法正确的是（）。
相关答案
1.
虚拟变量的设定即把对变量的定量描述转化成对定性数据的描述。
2.
主成分分析是一种经典的减少分析变量的方法，它将数据从原始的高维空间投影到低维空间。
3.
下列关于期望预测误差的说法错误的是（）。
4.
模型越复杂，偏差越大，方差越小；模型越简单，偏差越小，而方差越大。
5.
主成分是原始变量的线性组合，它们相互正交（垂直），捕获了数据差异最小的方向。
6.
下列关于性能评估的指标说法错误的是（）。
7.
下列关于设定虚拟变量时应当遵循的原则说法不正确的是（）。
8.
下列属于通过样本估计期望预测误差的方式的是（）。
9.
下列关于期望预测误差的说法正确的是（）。
10.
虚拟变量的设定即把对变量的定性描述转化成对定量数据的描述。
热门答案
1.
下列关于偏差和方差的说法不正确的是（）。
2.
下列关于性能评估的指标说法正确的是（）。
3.
下列不属于通过样本估计期望预测误差的方式的是（）。
4.
在回归学习中常用的损失函数是平方损失函数。
5.
下列属于常用的损失函数的是（）。
6.
下列关于决定系数的说法不正确的是（）。
7.
对于分类任务的数据挖掘，评价指标一般可通过一个混淆矩阵计算得到，包括准确度、特效度、灵敏度以及考虑错分成本的指标。
8.
对于预测任务的数据挖掘来说，性能评估的指标包括平均绝对误差和均方根误差等。
9.
有监督学习模型的目的是寻找一个可以很好地描述自变量X与因变量Y之间关系的函数f。
10.
模型越复杂，偏差越小，方差越大；模型越简单，偏差越大，而方差越小。