Python全系列 教程
3567个小节阅读:5929.5k
目录
鸿蒙应用开发
C语言快速入门
JAVA全系列 教程
面向对象的程序设计语言
Python全系列 教程
Python3.x版本,未来主流的版本
人工智能 教程
顺势而为,AI创新未来
大厂算法 教程
算法,程序员自我提升必经之路
C++ 教程
一门通用计算机编程语言
微服务 教程
目前业界流行的框架组合
web前端全系列 教程
通向WEB技术世界的钥匙
大数据全系列 教程
站在云端操控万千数据
AIGC全能工具班
A A
White Night
核主成分分析(Kernel Principal Component Analysis)对于输入空间中的矩阵X,先
用一个非线性映射把X中的所有样本映射到一个高维甚至是无穷维的空间(特征空间),使
其线性可分,然后在这个高维空间进行PCA降维。
1. 关于KPCA,下列说法正确的是:
A KPCA与PCA一样,都是线性的数据降维技术
B KPCA使用一个线性映射对样本进行映射
C 先对样本进行高维映射,然后在这个高维空间进行PCA降维
D 以上说法均不正确
2.sklearn中使用KPCA,使用下列的:
A PCA
B KernelPCA
C LogisticRegression
D LinearRegression
1=>C 2=>B