LDA（线性区别分析)与PCA（主成分分析）均是降维的方法，下面描述不正确的是（）A．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）B．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）C．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−1D．PCA和LDA均是基于监督学习的降维方法
LDA（线性区别分析)与PCA（主成分分析）均是降维的方法，下面描述不正确的是（）
A．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）
B．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）
C．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
D．PCA和LDA均是基于监督学习的降维方法
参考答案和解析
PCA和LDA均是基于监督学习的降维方法
相关考题：
下列关于主成分分析的表述正确的有( )。A.主成分分析的目的是寻找少数几个主成分代表原来的多个指标B.所确定的几个主成分之间是高度相关的C.所确定的几个主成分之间是互不相关的D.使用主成分分析方法的前提是原来的多个指标之间是相关的E.各主成分是原来指标的线性函数
关于主成分分析PCA说法正确的是:( ) 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
一下对非线性回归的说法正确的是（）A、回归分析中，依据描述的自变量与因变量之间的因果关系的函数表达式是线性还是非线性的，分为线性回归分析和非线性回归分析B、对具有非线性关系的因变量与自变量进行回归分析C、处理非线性回归的基本方法是，通过变量变换，将非线性回归化为线性回归，然后用线性回归方法处理D、通常线性回归分析方法是最基本的分析方法，遇到非线性回归问题可以借助教学手段化为线性回归问题处理
下列对于非线性回归的说法正确的是（）A、回归分析中，依据描述自变量与因变量之间因果关系的函数表达式是线性的还是非线性的，分为线性回归分析和非线性回归分析B、对具有非线性关系的因变量与自变量的数据进行的回归分析C、处理非线性回归的基本方法是，通过变量变换，将非线性回归化为线性回归，然后用线性回归方法处理D、通常线性回归分析法是最基本的分析方法，遇到非线性回归问题可以借助数学手段化为线性回归问题处理
多选题一下对非线性回归的说法正确的是（）A回归分析中，依据描述的自变量与因变量之间的因果关系的函数表达式是线性还是非线性的，分为线性回归分析和非线性回归分析B对具有非线性关系的因变量与自变量进行回归分析C处理非线性回归的基本方法是，通过变量变换，将非线性回归化为线性回归，然后用线性回归方法处理D通常线性回归分析方法是最基本的分析方法，遇到非线性回归问题可以借助教学手段化为线性回归问题处理
问答题试述根据协差阵进行主成分分析和根据相关阵进行主成分分析的区别。