下列哪些方法可以用于特征降维的？（）
A: 主成分分析PCA
B: 线性判别分析LDA
C: AutoEncoder
D: 矩阵奇异值分解SVD
E: 最小二乘法LeastSquares
A: 主成分分析PCA
B: 线性判别分析LDA
C: AutoEncoder
D: 矩阵奇异值分解SVD
E: 最小二乘法LeastSquares
举一反三
- 下列方法中，可以用于特征降维的方法包括（ ） A: 矩阵奇异值分解SVD B: 主成分分析PCA C: 线性判别分析LDA D: 深度学习SparseAutoEncoder E: 最小二乘法LeastSquares
- 下列可以用于特征降维的方法有( )。 A: 主成分分析 PCA B: 线性判别分析 LDA C: 深度学习 SparseAutoEncoder D: 矩阵奇异值分解 SVD
- 下列方法中，可以用于特征降维的方法包括 A: 主成分分析 B: 线性判别分析 C: 自编码器 D: 矩阵奇异值分解
- 中国大学MOOC: 关于特征降维方法有线性判别分析（LDA）和主成分分析法（PCA），错误的是
- 中国大学MOOC: 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（ ）