11. 在機器學習中有多種降低資料維度的方法，下列何者屬於降維度的方法？
(A) 主成份分析（Principal Component Analysis）
(B) 決策樹（Decision Tree）
(C) K-近鄰演算法（K Nearest Neighbor）
(D) 羅吉斯迴歸（Logistic Regression）

答案：登入後查看
統計： A(11), B(0), C(1), D(0), E(0) #3219145

詳解 (共 1 筆)

#6332626

正確答案為 (A) 主成份分析（Principal Component Analysis）。

詳細說明：

  • (A) 主成份分析（PCA）

    • 是一種常用的降維技術，透過將原始的多維度資料轉換成較少的主成份來表達主要變異性。

  • (B) 決策樹（Decision Tree）

    • 是一種監督式的分類或迴歸模型，用於預測或分類資料，並不直接進行降維。

  • (C) K-近鄰演算法（KNN）

    • 屬於一種監督式分類與迴歸演算法，也不具備降維功能。

  • (D) 羅吉斯迴歸（Logistic Regression）

    • 是監督式的分類方法，同樣也不是降維方法。

因此，只有選項 (A) 主成份分析 (PCA) 是明確的降維方法。

0
0