题目内容
（请给出正确答案）
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)
如果结果不匹配，请 联系老师 获取答案
更多“LDA(线性区别分析)与PCA(主成分分析)均是降维的方法，…”相关的问题
A.我们必须在使用PCA前规范化数据
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
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.特征人脸方法是一种称为“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
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.特征人脸之间的相关度要尽可能大
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
