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:()。
A.使用前向特征选择方法
B.使用后向特征排除方法
C.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
D.查看相关性表,去除相关性最高的一些特征
查看答案
如果结果不匹配,请 联系老师 获取答案
A.使用前向特征选择方法
B.使用后向特征排除方法
C.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
D.查看相关性表,去除相关性最高的一些特征
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)
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
A.散点图与气泡图适用于展示三维数据之间的关系
B.气泡图是一种变形的散点图
C.散点图与气泡图适用于三维数据集中只有两维数据需要展示和比较的场景
D.散点图将数据以点的形式展现
A.n
B.m
C.n-m
D.n=m+1